Modeling Categorical Data By Using Neural Network and Logistic Regression

Yıl 2009, Cilt: 14 Sayı: 2, 112 - 116, 01.12.2009

Yılmaz Kaya , Abdullah Yeşilova

Öz

Artificial Neural Network is an application of artificial intelligence developed for the aim of enabling the ability to carry out the features of human brain of deriving, forming and discovering new knowledge via learning without taking any support. İn the present study the artificial neural network and logistic regression methods were compared to classify the data. At the end of the study, the artificial neural network was found to be more effective than logistic regression for data classification.

Anahtar Kelimeler

Logistic regression, Artificial neural network

Yapay Sinir Ağı ve Lojistik Regresyon Kullanılarak Kategorik Verilerin Modellenmesi

Öz

Yapay sinir ağları; insan beyninin özelliklerinden olan, öğrenme yolu ile yeni bilgiler türetebilme, oluşturabilme ve keşfedilme gibi yetenekleri herhangi bir yardım almadan otomatik olarak gerçekleştirmek amacı ile geliştirilen yapay zeka uygulamalarıdır. Bu çalışmada verilerin sınıflandırmak için Yapay sinir ağı modeli ile Lojistik regresyon yöntemleri karşılaştırılmıştır. Çalışma sonunda Yapay sinir ağının lojistik regresyona göre verilerin sınıflandırılmasında daha etkin olduğu görülmüştür.

Anahtar Kelimeler

Lojistik regresyon, Yapay sinir ağı

Kaynakça

• Aitkin, M., Titterington,D. M., 2000. Statistics and Neural Network. The Statistican, 49, 627- 628.
• Akian, A.ve ark., (2005). Aufomatic seizure detection in EGG using logistic regression and artificial neural network. Journal of Neuroscience Methods, 148, 167- 176.
• Andrew, R. B., 1994. A Review from Siatisticaf Perpective. Statistical Science, 9, 33-35
• Bing, C., Titterington, D.M., (1994). A Review from Statistical Perpective. Statistical Science, 9, 49-54
• V.. S.ve ark, 2007. Breast Cancer Predictions by Neural Networks Analysis: A Comparison with Logistic Regression. Processing of the 29th AnnualInternational Conference of the IEEE EMBS, Lyon, France, August 23-26.
• Bourdes,