Covıd-19'un yayılma sürecinde yaşam alışkanlıklarının etkisinin yapay zeka ile analizi
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Tekirdağ Namık Kemal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Pandemiler toplumların sosyal ve ekonomik durumlarını büyük ölçüde etkileyen olaylardır ve yayılımını etkileyen unsurları belirlemek, onlarla başa çıkabilmek için etkili ipuçları ve önemli bilgiler içerebilir. Bu tez çalışmasında Türkiye'de COVID-19 pandemisi boyunca enfekte olmuş ve enfekte olmamış kişilerin davranışsal özellikleri ve alışkanlıkları yapay zekâ tekniklerinden sınıflandırma ve birliktelik kuralları metodolojisi kullanılarak analiz edilmiştir. Sınıflandırma bulguları virüse enfekte olma ("Evet" sınıfı) ve olmama durumunun ("Hayır" sınıfı) Random Committe algoritması ile sınıflandırılabileceğini göstermektedir. Bunun yanında 42 öznitelik kullanılarak elde edilen sınıflandırma başarımının dahada artırılarak 14 özniteliğe indirilebileceği görülmüştür. Azaltılmış öznitelik ile başarım oranının arttığı ve %81 doğruluk, 0,3663 kappa değerleri ile RRF (Regularized Random Forest) algoritması tarafından enfekte olma durumunun tahmin edilebileceği ortaya çıkarılmıştır. Çalışmanın devamında öznitelikler arasındaki ilişkileri keşfetmek için birliktelik kuralı analizleri gerçekleştirilmiş ve "Evet" sınıfı için 21 adet kural bulunmuştur. "Hayır" sınıfı için ise kural sayısı azaltılarak, toplamda 2805 adet kural elde edilmiştir. Bulgular, hanede 1 kişi yaşayan, günde 1- 3 kez yakın temasta bulunan, ev dışında 4-6 saat yakın temasta bulunanların "Evet" sınıfı için kuvvetli birliktelikler içerdiğini göstermektedir. "Hayır" sınıfı için ise, gerekli olmadıkça seyahatten çoğu zaman kaçınma, salgının başlangıcından bu yana vücut ağırlığı değişmeme, işe gitmek yerine çoğu zaman evde çalışma, açık alanda küçük sosyal topluluklardan bazen kaçınma davranışı gösteren bireylerin "Hayır" sınıfı ile kuvvetli birliktelikler gösterdiği tespit edilmiştir. Sonuç olarak bu tez çalışmasında salgınların bulaşma ve yayılma sürecine yaşam alışkanlıklarının etkisinin olduğu ve yapay zeka teknikleriyle bunların ortaya çıkarılarak modellenebileceği bilimsel bulgularla gösterilmiştir.
Pandemics are events that greatly affect the social and economic conditions of societies, and identifying the factors that affect their spread can provide effective clues and important information for coping with them. In this thesis, the behavioral characteristics and habits of infected and non-infected individuals during the COVID-19 pandemic in Turkey were analyzed using classification and association rule methodology. The classification results show that the status of being infected with the virus (the "Yes" class) and not being infected (the "No" class) can be classified using the Random Committe algorithm. In addition, it was seen that the classification performance obtained by using 42 attributes could be further increased and reduced to 14 attributes. Furthermore, it was found that the status of being infected can be predicted by the RRF (Regularized Random Forest) algorithm with an accuracy rate of 81% and a kappa value of 0.3663 using the reduced attributes, with an increased performance rate. In the second part of the study, association rule analyses were carried out to discover the relationships between the attributes, and 21 rules were found for the "Yes" class. A large number of rules were obtained for the "No" class for the status of being infected with COVID-19, and by increasing the support count value, the number of rules was reduced, resulting in a total of 2805 rules. The findings show that individuals living with one person in the household, having close contact 1-3 times a day, and having close contact outside the home for 4-6 hours are strong associations for the "Yes" class. For the "No" class, it was found that individuals who avoid traveling unless necessary, do not change their body weight since the beginning of the epidemic, work from home instead of going to work, and sometimes avoid small social groups in open areas show strong associations with the "No" class. In conclusion, this thesis has shown that the habits of life have an impact on the transmission and spread of epidemics and that these can be modeled using artificial intelligence techniques.
Pandemics are events that greatly affect the social and economic conditions of societies, and identifying the factors that affect their spread can provide effective clues and important information for coping with them. In this thesis, the behavioral characteristics and habits of infected and non-infected individuals during the COVID-19 pandemic in Turkey were analyzed using classification and association rule methodology. The classification results show that the status of being infected with the virus (the "Yes" class) and not being infected (the "No" class) can be classified using the Random Committe algorithm. In addition, it was seen that the classification performance obtained by using 42 attributes could be further increased and reduced to 14 attributes. Furthermore, it was found that the status of being infected can be predicted by the RRF (Regularized Random Forest) algorithm with an accuracy rate of 81% and a kappa value of 0.3663 using the reduced attributes, with an increased performance rate. In the second part of the study, association rule analyses were carried out to discover the relationships between the attributes, and 21 rules were found for the "Yes" class. A large number of rules were obtained for the "No" class for the status of being infected with COVID-19, and by increasing the support count value, the number of rules was reduced, resulting in a total of 2805 rules. The findings show that individuals living with one person in the household, having close contact 1-3 times a day, and having close contact outside the home for 4-6 hours are strong associations for the "Yes" class. For the "No" class, it was found that individuals who avoid traveling unless necessary, do not change their body weight since the beginning of the epidemic, work from home instead of going to work, and sometimes avoid small social groups in open areas show strong associations with the "No" class. In conclusion, this thesis has shown that the habits of life have an impact on the transmission and spread of epidemics and that these can be modeled using artificial intelligence techniques.
Açıklama
Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Bilgisayar Mühendisliği Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
