000			04985nam a2200469 i 4500
001			200448942
999			_c200448942 _d67154
003			TR-AnTOB
005			20240809135129.0
007			ta
008			171111s2022 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200448942
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE BİL Ph.D’22 ÜÇE
100	1		_aÜçer, Serkan _eauthor _9137233
245	1	0	_aSosyal ağ analizi tabanlı özgün görselleştirilebilir aykırı veri tespiti, öznitelik seçimi ve gözetimli öğrenme yöntemleri / _cSerkan Üçer; thesis advisor Tansel Özyer.
246			_aSocıal network analysıs based novel vısualızable outlıer detectıon, feature selectıon and supervısed learnıng methods
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2022
300			_axxii, 100 pages : _billustrations ; _c29 cm
336			_atext _btxt _2rdacontent
337			_aunmediated _bn _2rdamedia
338			_avolume _bnc _2rdacarrier
502			_aTez (Doktora Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Nisan 2022
520			_aİnsanın karar verme işlevine yardımcı olan gözetimli makine öğrenmesi teknikleri, günümüzde veri toplama cihazlarının gelişmesi, veri miktarının artması ve veriye ulaşımın kolaylaşması ile birlikte yaygınlaşmıştır. Makine öğrenmesi modelleri giderek artan bir başarı oranı göstermekle birlikte, bu modellerin anlaşılabilirliği ve yaptıkları sınıflandırma tahminlerinin yorumlanabilirliği giderek azalmaktadır. Görsel modeller insanın sezgisel kavrayışına uygun modellerdir. Bir görsel ifade şekli olarak çizgeler, makine öğrenmesinde çeşitli şekillerde uygulama alanı bulabilmişlerdir. Bu tez kapsamında, makine öğrenmesi (eğitim) verisinin ağ çizgelerine dönüştürülerek görselleştirilmesi, ardından çizgelerin sosyal ağ analizi ve çizge kuramı teknikleri yoluyla işlenmesi neticesinde, görsel anlamlandırmaya uygun çeşitli öğrenme teknikleri geliştirilmiştir. Bu tekniklerden ilki bir aykırı veri tespit sistemi, ikincisi öznitelik çıkarımı ve seçimi modeli, üçüncüsü ise görsel bir kategorik öğrenici modelidir. Önerilen bu modeller, makine öğrenmesi sınıflandırma görevinde çeşitli problemler üzerinde uygulanmış, başarımları rakip yöntemler ile karşılaştırmalı gösterilmiştir. Bununla birlikte, geliştirilen modellerin makine öğrenmesi sistemlerinin anlaşılabilirliğine olan katkıları da tez kapsamında tartışılmıştır. Deney sonuçları, önerilen bu sistemlerin makine öğrenmesinde başarım ve anlaşılabilirlik ölçütlerinde tercih edilebilecek yeni yöntemler olarak değerlendirilebileceklerini göstermektedir.
520			_aSupervised machine learning techniques, which help human decision-making, have become widespread today with the development of data collection devices, the increase in the amount of data and the ease of access to data. Although machine learning models show an increasing success rate, the intelligibility of these models and the interpretability of their classification predictions are declining. Visual models are models suitable for human intuitive understanding. Graphs as a form of visual expression objects, have been able to find application in various ways in machine learning. Within the scope of this thesis various learning techniques suitable for visual interpretation have been developed by first visualization machine learning (training) data through conversion of it to network diagrams, and then processing the resulting graphs through social network analysis and graph theory techniques. The first of these techniques is an outlier data detection system, second one is a feature extraction and selection model, the third one is a visual categorical learner model. These proposed models are applied on various problems in machine learning classification task, and performances are shown in comparison with competing methods. In addition, the contributions of the developed models to the intelligibility of machine learning systems are also discussed within the scope of the thesis. Experimental results show that these proposed systems can be evaluated as new methods that can be preferred in machine learning by both performance and intelligibility criteria.
653			_aSosyal ağ analizi
653			_aÇizge kuramı
653			_aKeşifsel veri analizi
653			_aGözetimli öğrenme
653			_aGörsel anlamlandırma
653			_aAçıklanabir yapay zeka
653			_aSocial network analysis
653			_aGraph theory
653			_aExploratory data analysis
653			_aSupervised learning
653			_aVisual reasoning
653			_aExplainable artificial intelligence
700	1		_aÖzyer, Tansel _eadvisor _978809
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z