Year 2016, Volume 15, Issue 30, Pages 107 - 131 2016-12-31

İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma

Özge AKKUŞ [1] , Emre DEMİR [2]

137 567

Bağımlı değişkenin kategorik olduğu durumda, model parametrelerinin tahmininde kullanılan geleneksel yöntem, En Çok Olabilirlik Tahmin Edicisi (EÇOTE)’dir. Bu yöntemde olabilirlik eşitliklerinin çözümünde, klasik Newton-Raphson (NR) algoritması kullanılmaktadır. Ancak bu algoritma olabilirlik fonksiyonunun diferansiyellenebilir özellikte olduğu durum için uygundur. Bu çalışmada, iki düzeyli bağımlı değişken modellerinde klasik optimizasyon yöntemlerinin uygulanabilmesi için gerekli olan varsayımların sağlandığı durumda optimal parametre tahminlerine ulaşabilmek için NR algoritmasına alternatif olan Genetik Algoritma (GA) yaklaşımının etkinliği araştırılmıştır. Bu amaçla, ilk olarak Hitit Üniversitesi Hastanesi Cildiye Bölümü’nden alınan Alopesia hastalığı verisi kullanılmıştır. Gerçek veri uygulamasına ek olarak yapay bir veri kümesi üzerinden elde edilen sonuçlar da sunulmuştur. Son olarak, yöntemlerin Matlab program kodları ve açıklamaları ayrıntılı bir biçimde verilmiştir.

ol
  • Agresti, A., (2002). Categorical Data Analysis. 2th edition, New Jersey, John Wiley&Sons Inc.
  • Aguilar-Rivera, R., Valenzuela-Rendón, M., Rodríguez-Ortiz, J.J., (2015), “Genetic Algorithms and Darwinian Approaches in Financial Applications: A Survey”, Expert Systems with Applications, 42(21), 7684-7697.
  • Altunkaynak, B., Esin, A., (2004), “Doğrusal Olmayan Regresyonda Parametre Tahmini İçin Genetik Algoritma Yöntemi”. Gazi Üniversitesi Fen Bilimleri Dergisi, 17(2), 43-51.
  • Babaoğlu, İ., Findik, O., Ülker, E., (2010), “A Comparison of Feature Selection Models Utilizing Binary Particle Swarm Optimization and Genetic Algorithm in Determining Coronary Artery Disease Using Support Vector Machine”, Expert Systems with Applications, 37(4), 3177-3183.
  • Goldberg, D.E., (1989). Genetic Algorithms in Search, Optimization and Machine Learning. Addison Wesley, Reading, MA.
  • Goldberg D.E., Deb, K., (1991), A Comparative Analysis of Selection Schemes Used in Genetic Algorithms, Foundations of Genetic Algorithms., San Francisco, CA: Morgan Kaufmann.
  • Gordini, N., (2014), “A Genetic Algorithm Approach for Smes Bankruptcy Prediction: Empirical Evidence From Italy”, Expert Systems with Applications, 41(14), 6433-6445.
  • Hadi, H.S., J.L. Gonzalez-Andujar, (2009), “Comparison of Fitting Weed Seedling Emergence Models With Nonlinear Regression and Genetic Algorithm”, Computers and Electronics in Agriculture, 65(1), 19-25.
  • Hadji, S., Gaubert, J.P., Krim, F., (2015). “Theoretical and Experimental Analysis of Genetic Algorithms Based MPPT for PV Systems”, Energy Procedia, 74, 772-787.
  • Holland, J.H., (1975). Adaptation in Natural and Artificial Systems. USA, University of Michigan Press.
  • Holland, J.H., (1992). Adaptation in Natural and Artificial Systems. 2th edition, Cambridge, London., The MIT Press.
  • Karr, C.L., Freeman, M. L., (1999). Industrial Applications of Genetic Algorithms., USA, CRC Press.
  • Koh, Y., Yap, C.W., Li, S.C., (2008). “A Quantitative Approach of Using Genetic Algorithm in Designing A Probability Scoring System of an Adverse Drug Reaction Assessment System”, International Journal of Medical Informatics, 77(6), 421-430.
  • Johnson, P., Graham, P., Wilson, P., Macaulay, L., Maruff, P., Savage, G., Ellis, K., Martins, R., Rowe, C., Masters, C.,
  • Ames, D., Zhang, P., (2013), “Genetic Algorithm with Logistic Regression for Alzheimer's Disease Diagnosis and Prognosis”, Alzheimer's & Dementia, 9(4), P455-P456.
  • Lee, K.H., Kim, K.W., (2015), “Performance Comparison of Particle Swarm Optimization and Genetic Algorithm for Inverse Surface Radiation Problem”, International Journal of Heat and Mass Transfer, 88, 330-337.
  • Liu, H.H., Ong, C.S., (2008), “Variable Selection in Clustering for Marketing Segmentation Using Genetic Algorithms”, Expert Systems with Applications, 34(1), 502-510.
  • Menard, S., (2002). Applied Logistic Regression Analysis, 2th Edition, USA, Sage Publications.
  • Meng, Q., Weng, J., (2011), “A Genetic Algorithm Approach to Assessing Work Zone Casualty Risk”. Safety Science, 49, 1283-1288.
  • Mitchell, M., (1999). An Introduction to Genetic Algorithms, 5th Edition, Cambridge, London, The Mit Press.
  • Pasia, J., Hermosilla, A., Ombao, H., (2005), “A Useful Tool for Statistical Estimation: Genetic Algorithm”, Journal of Statistical Computation and Simulation, 75(4), 237-251.
  • Pfeifer, J., Barker, K., Ramirez-Marquez, J.E., Morshedlou, N., (2015), “Quantifying the Risk of Project Delays with a Genetic Algorithm”, International Journal of Production Economics, 170(A), 34-44.
  • Reeves, C.R., Rowe, J.E., (2002). Genetic Algorithms Principles and Perspectives. A Guide to GA Theory., USA., Kluwer Academic Press.
  • Rechenberg, I., (1973), Evolutions Strategie–Optimierungtechnischersystemenach Prinzipien Der Biologischen Evolution. (PhD.Thesis). Fromman-Holzboog, Germany.
  • Stylianou, N., Akbarov, A., Kontopantelis, E., Buchan, I., W. Dunn, K., (2015), “Mortality Risk Prediction in Burn Injury: Comparison of Logistic Regression with Machine Learning Approaches”, Burns, 41(5), 925-934.
  • Yuan, F.C., Lee, C.H., (2015), “Using Least Square Support Vector Regression with Genetic Algorithm to Forecast Beta Systematic Risk”, Journal of Computational Science, 11, 26-33.
Journal Section Research Articles
Authors

Author: Özge AKKUŞ
Institution: MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ
Country: Turkey


Author: Emre DEMİR
Institution: HİTİT ÜNİVERSİTESİ
Country: Turkey


Dates

Publication Date: December 31, 2016

Bibtex @research article { ticaretfbd334471, journal = {İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi}, issn = {1305-7820}, eissn = {2587-165X}, address = {Istanbul Ticaret University}, year = {2016}, volume = {15}, pages = {107 - 131}, doi = {}, title = {İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma}, key = {cite}, author = {AKKUŞ, Özge and DEMİR, Emre} }
APA AKKUŞ, Ö , DEMİR, E . (2016). İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 15 (30), 107-131. Retrieved from http://dergipark.org.tr/ticaretfbd/issue/30874/334471
MLA AKKUŞ, Ö , DEMİR, E . "İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma". İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi 15 (2016): 107-131 <http://dergipark.org.tr/ticaretfbd/issue/30874/334471>
Chicago AKKUŞ, Ö , DEMİR, E . "İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma". İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi 15 (2016): 107-131
RIS TY - JOUR T1 - İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma AU - Özge AKKUŞ , Emre DEMİR Y1 - 2016 PY - 2016 N1 - DO - T2 - İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi JF - Journal JO - JOR SP - 107 EP - 131 VL - 15 IS - 30 SN - 1305-7820-2587-165X M3 - UR - Y2 - 2016 ER -
EndNote %0 İstanbul Commerce University Journal of Science İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma %A Özge AKKUŞ , Emre DEMİR %T İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma %D 2016 %J İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi %P 1305-7820-2587-165X %V 15 %N 30 %R %U
ISNAD AKKUŞ, Özge , DEMİR, Emre . "İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma". İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi 15 / 30 (December 2016): 107-131.
AMA AKKUŞ Ö , DEMİR E . İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi. 2016; 15(30): 107-131.
Vancouver AKKUŞ Ö , DEMİR E . İki Düzeyli Olasılık Modellerinde Klasik Meta Sezgisel Optimizasyon Tekniklerinin Performansı Üzerine Bir Çalışma. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi. 2016; 15(30): 131-107.