@article{article_233504, title={Bulaşıcı Olmayan Hastalıklar Bakımından Farklı Ülkelerin Makina Öğrenmesi Yöntemleri Kullanılarak Sınıflandırılması}, journal={Uludağ Üniversitesi Mühendislik Fakültesi Dergisi}, volume={20}, pages={89–97}, year={2015}, DOI={10.17482/uujfe.36099}, author={Çınaroğlu, Songül and Avcı, Keziban}, keywords={Noncommunicable Diseases (NCDs), Health Care Indicators, Machine Learning}, abstract={<span>Amaç: Bu çalışmanın amacı Dünya Sağlık Örgütü (DSÖ)’ne üye olan 193 ülkeyi gelir gruplarına göre Bulaşıcı Olmayan Hastalıklar (BOH) ile ilgili veriler bakımından sınıflandırmaktır. Gereç-Yöntem: Ülkelerin sınıflandırılmasında veri madenciliği yöntemleri içerisinde danışmanlı öğrenme yöntemleri arasında bulunan destek vektör makinesi ve random forest yöntemleri kullanılmıştır. Analizlerde bir açık kaynak kodlu yazılım olan Orange programından yararlanılmıştır. Bulgular: Analizler sonucunda random forest yöntemi kullanılarak elde edilen performans sonuçlarının destek vektör makinesine göre daha yüksek olduğu görülmüştür. Sonuç: Araştırma sonuçlarının küresel sağlık yöneticilerine Bulaşıcı Olmayan Hastalıklar (BOH) ile mücadele etmek konusunda ve etkin politikalar üretmede faydalı olacağı düşünülmektedir.  </span>}, number={2}, publisher={Bursa Uludağ University}