Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini
Covid-19 içinde bulunduğumuz yüzyılın ilk pandemisidir ve bundan önceki pandemilere kıyasla süresi, neden olduğu can kaybı, yarattığı psikolojik, sosyolojik ve ekonomik etkileri dolayısıyla farklılık göstermektedir. Bu süreçte virüs pek çok varyant üretmiştir ve üretmeye de devam etmektedir. Dünya ü...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Çanakkale Onsekiz Mart University
2022-12-01
|
| Series: | Journal of Advanced Research in Natural and Applied Sciences |
| Subjects: | |
| Online Access: | https://dergipark.org.tr/en/download/article-file/2184420 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832095522061549568 |
|---|---|
| author | Figen Özen |
| author_facet | Figen Özen |
| author_sort | Figen Özen |
| collection | DOAJ |
| description | Covid-19 içinde bulunduğumuz yüzyılın ilk pandemisidir ve bundan önceki pandemilere kıyasla süresi, neden olduğu can kaybı, yarattığı psikolojik, sosyolojik ve ekonomik etkileri dolayısıyla farklılık göstermektedir. Bu süreçte virüs pek çok varyant üretmiştir ve üretmeye de devam etmektedir. Dünya üzerindeki hareketliliğin sıklığı ve miktarı düşünüldüğünde, bu durumun yakın gelecekte değişmesi mümkün gözükmemektedir. Pandeminin gidişatını anlamak, bundan sonraki olası pandemiler için hazırlıklı olmak konusunda faydalı olacaktır. Bu amaçla, T.C. Sağlık Bakanlığı tarafından yayınlanan günlük veri incelenmiş, farklı veri grupları üzerinde gerek özelliklerini anlama gerekse geleceğe yönelik tahmin gerçekleştirme amacıyla, güncel bir yaklaşım olan makine öğrenmesi yöntemleri kullanılmıştır. Kul-lanılan veri grupları oldukça karmaşık birer zaman serisi yapısındadır ve günlük vaka sayısı, ağır hasta sayısı, günlük vefat sayısı ve günlük iyileşen sayısı olarak seçilmiştir. Polinom regresyon, en küçük kareler polinom uyumu ve kübik eğri uyumu sonuçları ile tahminler bu makalede incelenmiştir. Sonuçlar gerek grafikler yoluyla gerekse zaman serisi tahmininde kabul görmüş bir performans kriteri olan Canberra uzaklığının ortalama, medyan, standart sapma ve top-lam değerleriyle, sayısal olarak belirtilmiştir. Yukarıda belirtilen dört zaman serisi için en iyi sonuçların, kübik eğri uyumu yöntemiyle alındığı görülmektedir. Tahminlerde kullanılan eğrilerin dereceleri, zaman serisine göre değişiklik göstermektedir. Elde edilen tahmin sonuçları, zaman serisine bağlı olarak değişen yüksek doğruluk oranı sağlamıştır. |
| format | Article |
| id | doaj-art-fc8e031c1a6c4a68abf9d9d52d942799 |
| institution | Kabale University |
| issn | 2757-5195 |
| language | English |
| publishDate | 2022-12-01 |
| publisher | Çanakkale Onsekiz Mart University |
| record_format | Article |
| series | Journal of Advanced Research in Natural and Applied Sciences |
| spelling | doaj-art-fc8e031c1a6c4a68abf9d9d52d9427992025-02-05T17:57:35ZengÇanakkale Onsekiz Mart UniversityJournal of Advanced Research in Natural and Applied Sciences2757-51952022-12-018466267610.28979/jarnas.1055917453Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı TahminiFigen Özen0https://orcid.org/0000-0002-1759-0073HALİÇ ÜNİVERSİTESİCovid-19 içinde bulunduğumuz yüzyılın ilk pandemisidir ve bundan önceki pandemilere kıyasla süresi, neden olduğu can kaybı, yarattığı psikolojik, sosyolojik ve ekonomik etkileri dolayısıyla farklılık göstermektedir. Bu süreçte virüs pek çok varyant üretmiştir ve üretmeye de devam etmektedir. Dünya üzerindeki hareketliliğin sıklığı ve miktarı düşünüldüğünde, bu durumun yakın gelecekte değişmesi mümkün gözükmemektedir. Pandeminin gidişatını anlamak, bundan sonraki olası pandemiler için hazırlıklı olmak konusunda faydalı olacaktır. Bu amaçla, T.C. Sağlık Bakanlığı tarafından yayınlanan günlük veri incelenmiş, farklı veri grupları üzerinde gerek özelliklerini anlama gerekse geleceğe yönelik tahmin gerçekleştirme amacıyla, güncel bir yaklaşım olan makine öğrenmesi yöntemleri kullanılmıştır. Kul-lanılan veri grupları oldukça karmaşık birer zaman serisi yapısındadır ve günlük vaka sayısı, ağır hasta sayısı, günlük vefat sayısı ve günlük iyileşen sayısı olarak seçilmiştir. Polinom regresyon, en küçük kareler polinom uyumu ve kübik eğri uyumu sonuçları ile tahminler bu makalede incelenmiştir. Sonuçlar gerek grafikler yoluyla gerekse zaman serisi tahmininde kabul görmüş bir performans kriteri olan Canberra uzaklığının ortalama, medyan, standart sapma ve top-lam değerleriyle, sayısal olarak belirtilmiştir. Yukarıda belirtilen dört zaman serisi için en iyi sonuçların, kübik eğri uyumu yöntemiyle alındığı görülmektedir. Tahminlerde kullanılan eğrilerin dereceleri, zaman serisine göre değişiklik göstermektedir. Elde edilen tahmin sonuçları, zaman serisine bağlı olarak değişen yüksek doğruluk oranı sağlamıştır.https://dergipark.org.tr/en/download/article-file/2184420covid-19makine öğrenmesien küçük kareler polinom uyumukübik eğri uyumupolinom regresyoncovid 19machine learningcubic spline fitleast squares polynomial fitpolynomial regression |
| spellingShingle | Figen Özen Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini Journal of Advanced Research in Natural and Applied Sciences covid-19 makine öğrenmesi en küçük kareler polinom uyumu kübik eğri uyumu polinom regresyon covid 19 machine learning cubic spline fit least squares polynomial fit polynomial regression |
| title | Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini |
| title_full | Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini |
| title_fullStr | Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini |
| title_full_unstemmed | Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini |
| title_short | Makine Öğrenmesi Yöntemleri ile Türkiye’de Covid-19’a İlişkin Günlük Vaka, Ağır Hasta, Vefat ve İyileşen Sayısı Tahmini |
| title_sort | makine ogrenmesi yontemleri ile turkiye de covid 19 a iliskin gunluk vaka agir hasta vefat ve iyilesen sayisi tahmini |
| topic | covid-19 makine öğrenmesi en küçük kareler polinom uyumu kübik eğri uyumu polinom regresyon covid 19 machine learning cubic spline fit least squares polynomial fit polynomial regression |
| url | https://dergipark.org.tr/en/download/article-file/2184420 |
| work_keys_str_mv | AT figenozen makineogrenmesiyontemleriileturkiyedecovid19ailiskingunlukvakaagırhastavefatveiyilesensayısıtahmini |