FİLTRELEME VE SARMAL YÖNTEMLERİ BİRLEŞTİREN HİBRİT ÖZNİTELİK SEÇİMİ SONRASI MAKİNE ÖĞRENMESİ ALGORİTMALARI İLE İFLAS TAHMİNİ

Makine öğrenmesi, sistemingeçmişteki deneyimlerinden elde edilen öğrenmelerini kullanarak bir modeloluşturmaktadır. Bu sayede veriler arasındaki ilişkileri açığa çıkarabilmekteve ihtiyaç duyulduğunda ileriye dönük kestirimlerde bulunabilmektedir. Yapılançalışmada, sınıflandırma probleminin çözümünde kullanılan makine öğrenmesialgoritmalarının performansını artırmak amaçlanmıştır. Algoritmalarınperformansı etkileyen en önemli unsur elimizdeki veri setindeki özniteliklerinyeterli sayıda ve gerekli olmasıdır. Bunun için sınıflandırma işleminigerçekleştirmeden önce öznitelik seçimi yapılmıştır. Öznitelik seçimi olarak dafiltreleme ve sarmal yöntemleri birleştiren hibrit bir yaklaşım kullanılmıştır.Bu hibrit yaklaşımla, sadece filtreleme yönteminin kullanıldığı duruma nazaransınıflandırma doğruluğunu iyileştirmekle birlikte sadece sarmal yöntemlerkullanıldığı durumdaki işlem süresini de azaltalabilmektedir. Öznitelik seçimiiçin filtreleme adımında Ki-Kare, Bilgi Kazancı, Kazanç Oranı, Simetrik BelirsizlikKatsayısı, Korelasyon Tabanlı Öznitelik Seçimi ve RELİEF yöntemlerikullanılırken; sarmal yöntem olarak Özyinelemeli Öznitelik Eliminasyonu,Genetik Algoritma, Tavlama Benzetimi ve BORUTA kullanılmıştır. Sınıflandırmaişlemi K En Yakın Komşu, Lojistik Regresyon, Naive Bayes, Destek VektörMakinaları, Doğrusal Diskriminant Analizi, Karar Ağaçları, Rasgele Orman,Bagging, Boosting ve Rotasyon Ormanı algoritmaları kullanılarak yapılmış vemodel başarım ölçütleri kullanılarak performansları kıyaslanmıştır. Hibritöznitelik seçimi yaklaşımı kullanıldığında genel olarak algoritmalarınperformansı iyileşmiştir. Yapılan çalışmada, UCI Machine Learning Repositoryveri tabanındaki veri setlerinden “Taiwanese Bankruptcy” adlı veri setikullanılmıştır. Bu veri seti, 95 tanımlayıcı öznitelik ve çıktı değişkeni(iflas eden ve iflas etmeyen firmalar) olmak üzere toplam 96 öznitelik, 6819örnekten oluşmaktadır. 6819 verinin sınıf dağılımı ise 220 iflas etmiş, 6.599'uiflas etmeyen firmalar olmak üzere örnek iki küme içermektedir. Veri setinde, iflasetmeyen işletmeler %96,774'ü ve iflas eden işletmeler %3,226 oluşturduğundan veriseti dengesiz dağılmaktadır. Dengesiz dağılım dikkate alınarak veri ön işlemeyapılmalıdır ya da performans ölçütü olarak doğruluk değeri dışında dengesizveri setlerinde sıklıkla kullanılan performans ölçütleri dikkate alınabilir.Veri setindeki dengesiz dağılım dikkate alındıktan sonra öznitelik seçimiardından da sınıflandırma işlemi yapılmıştır.Machine learning creates a modelusing their learning from past experiences. In this way, it can reveal therelationships between the data and make forward-looking predictions whenneeded. Many methods and algorithms have been developed in machine learning. Thestudy, it is aimed to increase the performance of machine learning algorithmsused in the solution of the classification problem. The most important factoraffecting the performance of algorithms is that the number of attributes in thedata set we have is sufficient and necessary. For this, feature selection wasmade before performing the classification process. Feature selection is alsoused as a hybrid approach that combines filter and wrapper methods. With thishybrid approach, it can reduce the processing time when only wrapper methods areused while improving the classification accuracy compared to the case whereonly the filter method is used. While Chi-Square, Information Gain, Gain Ratio,Symmetric Uncertainty, Correlation Based Feature Selection, and RELIEF methodsare used in the filtering step for feature selection; Recursive AttributeElimination, Genetic Algorithm, Simulated Annealing, and BORUTA were used aswrapper methods. The classification was performed using K Nearest Neighbor,Logistic Regression, Naive Bayes, Support Vector Machines, Linear DiscriminantAnalysis, Decision Trees, Random Forest, Bagging, Boosting, and Rotation Forestalgorithms and their performance was compared using model performance criteria.Overall, the performance of the algorithms has improved when the hybrid featureselection approach is used. In the study, "Taiwanese Bankruptcy" wasused from the datasets in the UCI Machine Learning Repository database.  This data set consists of a total of 96attributes, 6819 samples, including 95 inputfeatures and output features (bankrupt and non-bankrupt firms). The classdistribution of the 6819 data includes two sample clusters, 220 of which arebankrupt firms and 6.599 are not. In the data set, the data set is imbalancedistributed, as non-bankrupt businesses constitute 96.774% and bankruptbusinesses make up 3.226%. Data pre-processing should be done taking intoaccount the imbalance distribution, or the performance criteria that arefrequently used in imbalance data sets can be taken into account, apart from theaccuracy value. After taking into account the imbalance distribution in thedata set, feature selection was followed by classification.