Application of classical and machine learning models on longitudinal data with binary response

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İSTATİSTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: RÜMEYSA RANA ARSLAN

Danışman: Özlem İlk Dağ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Alzheimer hastalığı (AH), yaşlı bireylerde hem bireyleri hem de toplumu etkileyen önemli bir küresel sağlık sorunudur. Hastalığın belirtileri zaman içinde gözlemlenebilir, bu da veriyi uzunlamasına bir yapıya dönüştürür. Klasik istatistiksel modeller ve makine öğrenimi algoritmaları bu veri kümelerini analiz etmek için kullanılabilir. Bu çalışma iki bölümden oluşmaktadır. İlk olarak, demans durumunu etkileyen özellikleri bulmak ve modellerin performanslarını karşılaştırmak için gerçek bir veri kümesi kullanılmıştır. Ardından, gerçek veri kümesi temel alınarak farklı sayıda birim ve her bir birim için eşit sayıda zaman noktası içeren bir simülasyon çalışması yapılmış ve model performansları karşılaştırılmıştır. Klasik karma modeller, genişletilmiş versiyonları ve hibrid modeller Boruta, GEE, GLMM, HGLM, GLMMLasso, GPBoost, GLMMTree ve HRF her iki bölümde de kullanılmıştır. Sonuç olarak, GPBoost, demans durumunu iyi öğrenir ve sınıflandırır, ancak veri kümesindeki küçük örneklem boyutu nedeniyle aşırı uyum sorunu gözlemlenmiştir. Gerçek veri kümesi için yeni bir birim çalışmaya katıldığında demans durumunu tahmin etmede ağaç tabanlı algoritmalar etkilidir. Simülasyon çalışması için HGLM, GPBoost ve GLLMMLasso algoritmaları, örneklem büyüklüğü ve veri kümesinin dengesi ne olursa olsun daha iyi performansa sahiptir.