Dünyanýn çeþitli yerlerinde Yeni Koronavirüs veya COVID-19 salgýný bir bütün olarak dünyayý etkilemiþ ve tüm dünyada milyonlarca ölüme neden olmuþtur. Bu, halk saðlýðý için uðursuz bir uyarý olmaya devam ediyor ve dünya tarihindeki en büyük salgýnlardan biri olarak iþaretlenecektir. Covid-19, dünyanýn karþýlaþtýðý en büyük saðlýk sorunlarýndan biridir. Halk saðlýðý politika yapýcýlarý, týbbi tesisleri planlamak için gelecekte doðrulanmýþ vakalarýn güvenilir bir þekilde tahmin edilmesine ihtiyaç duyar. Ancak bu virüs Dünya Saðlýk Örgütü (WHO) tarafýndan salgýn olarak bildiriliyor ve tüm ülkeler her yeri kontrol etmeye ve kilitlemeye çalýþýyor. Bu makale, çeþitli Makine Öðrenimi Algoritmalarýnýn gerçek dünyadaki durumlarda nasýl uygulanabileceðini daha iyi anlamayý amaçlamaktadýr. Makine öðrenimi Algoritmalarý tarihsel verilerden öðrenir ve olaylar hakkýnda tahminlerde bulunur. Onaylanmýþ Covid-19 vakalarýnýn sayýsýný tahmin etmek için makine öðrenimi Algoritmalarý kullanýlmýþtýr. Bu yazýda, onaylanmýþ Covid-19 vakalarýnýn tahmini için makine öðrenimi algoritmalarýnýn performansýný iyileþtirmek için dört Makine Öðrenimi Algoritmasý kullandýk. Dünyadaki pozitif Covid-19 vakalarý için epidemiyoloji etiketli veri setini kullanan Rastgele Orman, Destek Vektör Makinesi, Karar Aðacý ve K-En Yakýn Komþularý içeren Makine Öðrenimi Algoritmalarý. Eðitim veri setinin% 80'i modelleri eðitmek için kullanýldý ve% 20 veri seti modelleri test etmek için kullanýldý. Algoritmalarýn performans deðerlendirme sonucu, Covid-19 tahmini için Rastgele Orman Algoritmasýnýn% 92,59 ile en yüksek doðruluða sahip olduðunu gösterdi.
Anahtar Kelimeler: Covid-19, Veri Analizi, Makine öðrenimi Algoritmalarý, Rastgele Orman, Destek Vektör Makinesi, Karar Aðacý, K-En Yakýn Komþular
|
