@article{article_976397, title={Anlaşılabilir Sınıflandırma Kurallarının Ayçiçeği Optimizasyon Algoritması ile Otomatik Keşfi}, journal={Türk Doğa ve Fen Dergisi}, volume={10}, pages={233–241}, year={2021}, DOI={10.46810/tdfd.976397}, author={Yıldırım, Suna and Yıldırım, Güngör and Alatas, Bilal}, keywords={Optimization, Rule Mining, Sunflower Optimization Algorithm, Accuracy}, abstract={Kural madenciliği, veri madenciliğinin önemli alt dallarından biri olup günümüzde hala üzerinde çalışılan sıcak bir çalışma alanıdır. Nicel nitelik içeren veri setleri üzerinde çalışan standart sınıflandırma yöntemleri genellikle ön işlem aşamalarına ihtiyaç duyarlar. Bu yapılan ayrıklaştırmalar ise başarım kaybına yol açabilmektedir. Buna ek olarak standart sınıflandırma algoritmalarının kara-kutu yapılarından dolayı kural açıklanabilirlikleri iyi değildir. Bu noktada, sürekli veriler ile çalışabilen optimizasyon algoritmaları, bu dezavantajların üstesinden gelebilir. Bu çalışmada, son yılların başarılı optimizasyon algoritmalarından olan Ayçiçeği Optimizasyon algoritmasını kullanarak verimli bir kural madenciliği gerçekleştirilmiştir. Bunun için, farklı bir temsil biçimi kullanan aday bitki yapısı, bu optimizasyon algoritmasına uyarlanmıştır. Arama uzayı olarak üç farklı disipline ait veri seti kullanılmış ve yöntemin başarımını gözlemlemek için iyi bilinen beş farklı sınıflandırma algoritmasına ait sonuçlar paylaşılmıştır. Elde edilen sonuçlar, optimizasyon temelli yaklaşım ile veri setleri üzerinde herhangi bir ön işlem yapmaya gerek kalmadan açıklanabilir kurallar üretilebileceğini ispatlamaktadır.}, number={2}, publisher={Bingol University}