Makine Öğrenmesi Yöntemleri ile Matematiksel Modellemeler

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen-Edebiyat Fakültesi, Matematik Bölümü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: Güller Keskin

Danışman: Filiz Kanbay

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Makine öğrenimi sağlık, eğitim, psikoloji gibi birçok farklı alanda oldukça yaygın olarak kullanılmaktadır. Bu çalışmada makine öğrenimi ile müzikte duygu sınıflandırılması problemi araştırılmıştır. Bu amaç doğrultusunda 9 bölümden oluşan bu çalışmada UCI machine learning Repository sitesinden 50 öznitelik, 4 sınıf etiketi 400 birimden oluşan ve kayıp verisi bulunmayan " Turkısh Music Emotion" adlı veri seti ele alınarak, Anaconda ortamında, Jupiter Notebook uygulaması ile Python araçları kullanılarak KNN, Naive Bayes, Karar Ağaçları, Rastgele Orman, Boosting (AdaBoost, XGBoost), DVM, Logistik Regresyon algoritmalarından yararlanılmıştır. İlk bölüm literatür özetini, ikinci bölüm ise çalışmada kullanılan tekniklere ait temel bilgileri içermektedir. Üçüncü bölüm veri seti ile kurulan sınıflandırma modellemelerinin başarılarını, dördüncü bölüm ise sınıf etiket sayısı indirgemenin model başarı ölçütü üzerindeki etkilerini incelemektedir. Beşinci ve altıncı bölüm sırası ile denetimsiz boyut azaltma tekniklerinin öznitelikleri gruplandırmadan ve gruplandırarak uygulanmasının sınıflandırma üzerine etkilerini içermektedir. Yedinci ve sekizinci bölüm ise sırasıyla denetimli boyut azaltma tekniklerinin öznitelikleri gruplandırmadan ve gruplandırarak uygulanmasının sınıflandırma üzerindeki sonuçlarını kapsamaktadır. Yapılan tüm işlemler ve incelenen algoritmaların model başarıları grafikler ile özetlenmiştir.