Aim: Least Angle Regression (LARS) and Least Absolute Shrinkage Selection Operator (LASSO) methods, which have become quite popular in recent years, were discussed as an alternative to classical regression analysis in this study. It is aimed to compare the results of classical regression analysis with these penalized regression methods for determination the effective variables on diabetes dataset in terms of mean square error (MSE) and coefficient of determination (R2). Methods: Least Angle Regression, Least Absolute Shrinkage and Selection Operator and multiple regression methods were applied to data set of 442 patients diagnosed with diabetes. Results: Least Angle Regression and Least Absolute Shrinkage Selection Operator methods predict the model by selecting the same variables. However, these methods were better than multiple regression in terms of coefficient of determination and mean square error. Conclusion: Penalized regression methods constituted the best model for the diabetes data set with the least number of independent variables. These methods should be preferable to obtain significant models with fewer variables.
Amaç: Bu çalışmada etkili değişkenlerin bulunması amacıyla uygulanan klasik regresyon analizine alternatif olarak kullanılması önerilen ve son yıllarda sağlık verilerinde oldukça popüler hale gelen cezalı regresyon yöntemlerinden En Küçük Açı regresyonu (LARS) ve En Küçük Mutlak Küçülme ve Seçim Operatörü (LASSO) yöntemleri ele alınmıştır. Diyabet veri kümesi üzerine etkili değişkenlerin belirlenmesinde cezalı regresyon yöntemleri ve klasik regresyon analizi sonuçlarının hata kareler ortalaması (HKO) ve belirtme katsayıları (R2) bakımından karşılaştırılması amaçlanmıştır. Yöntem: Diyabet tanısı almış 442 hastaya ait veri kümesine En Küçük Açı regresyonu, En Küçük Mutlak Küçülme ve Seçim Operatörü ve çoklu doğrusal regresyon yöntemleri uygulanmıştır. Bulgular: En Küçük Açı regresyonu ve En Küçük Mutlak Küçülme ve Seçim Operatörü regresyon yöntemleri aynı değişkenleri seçerek model tahmini yapmıştır. Cezalı regresyon yöntemleri, belirtme katsayıları ve hata kareler ortalamaları dikkate alındığında çoklu doğrusal regresyondan daha iyi sonuçlar vermiştir. Sonuç: Diyabet veri seti için cezalı regresyon yöntemleri ile en az sayıda ve modeli en iyi açıklayan değişkenler elde edilmiştir. Daha az sayıda değişkenle anlamlı modeller oluşturulmak istendiğinde tercih edilebilir yöntemlerdir.
Primary Language | Turkish |
---|---|
Subjects | Health Care Administration |
Journal Section | Articles |
Authors | |
Publication Date | April 30, 2021 |
Submission Date | October 26, 2020 |
Acceptance Date | December 9, 2020 |
Published in Issue | Year 2021 |
MEÜ
Sağlık Bilimleri Dergisi Doç.Dr. Gönül Aslan'ın Editörlüğünde Mersin
Üniversitesi Sağlık Bilimleri Enstitüsüne bağlı olarak 2008 yılında
yayımlanmaya başlanmıştır. Prof.Dr. Gönül Aslan Mart 2015 tarihinde Başeditörlük görevine Prof.Dr.
Caferi Tayyar Şaşmaz'a devretmiştir. 01 Ocak 2023 tarihinde Prof.Dr. C. Tayyar Şaşmaz Başeditörlük görevini Prof.Dr. Özlem İzci Ay'a devretmiştir.
Yılda üç sayı olarak (Nisan - Ağustos - Aralık) yayımlanan dergi multisektöryal hakemli bir bilimsel dergidir. Dergide araştırma makaleleri yanında derleme, olgu sunumu ve editöre mektup tipinde bilimsel yazılar yayımlanmaktadır. Yayın hayatına başladığı günden beri eposta yoluyla yayın alan ve hem online hem de basılı olarak yayımlanan dergimiz, Mayıs 2014 sayısından itibaren sadece online olarak yayımlanmaya başlamıştır. TÜBİTAK-ULAKBİM Dergi Park ile Nisan 2015 tarihinde yapılan Katılım Sözleşmesi sonrasında online yayın kabul ve değerlendirme sürecine geçmiştir.
Mersin Üniversitesi Sağlık Bilimleri Dergisi 16 Kasım 2011'dan beri Türkiye Atıf Dizini tarafından indekslenmektedir.
Mersin Üniversitesi Sağlık Bilimleri Dergisi 2016 birinci sayıdan itibaren ULAKBİM Tıp Veri Tabanı tarafından indekslenmektedir.
Mersin Üniversitesi Sağlık Bilimleri Dergisi 02 Ekim 2019'dan beri DOAJ tarafından indekslenmektedir.
Mersin Üniversitesi Sağlık Bilimleri Dergisi 23 Mart 2021'den beri EBSCO tarafından indekslenmektedir.
Dergimiz açık erişim politikasını benimsemiş olup, dergimizde makale başvuru, değerlendirme ve yayınlanma aşamasında ücret talep edilmemektedir. Dergimizde yayımlanan makalelerin tamamına ücretsiz olarak Arşivden erişilebilmektedir.
Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.