- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 34 Special Issue
- Classification of Imbalanced Cardiac Arrhythmia Data
Classification of Imbalanced Cardiac Arrhythmia Data
Authors : Cansu Ecemiş, Neslihan Avcu, Zekeriya Sari
Pages : 546-552
Doi:10.31590/ejosat.1083423
View : 14 | Download : 8
Publication Date : 2022-03-31
Article Type : Research
Abstract :Aritmiler kalp atışındaki düzensizliklerdir ve hayati tehlike yaratabilir. Kardiyak Aritminin erken teşhisi, hastaların hayatlarını kurtarmak için oldukça önemlidir. Bu çalışmada, asıl amaç EKG kayıtlarından kardiyak aritmi varlığının saptanması ve 16 gruba sınıflandırılmasıdır. UCI veri bankasındaki aritmi veri seti, sınıflandırma amacıyla farklı ağ yapılarını uygulamak için kullanılmıştır. Veri setinde her sınıfın örnek sayısı aynı değildir. Veri seti oldukça düzensiz bir sınıf dağılımıa sahiptir. Ayrıca, veri setinde bazı sınıflar mevcut değildir. Sınıflar arasındaki dengesiz dağılım, sınıflandırıcının performansında düşük sınıflandırma doğruluğu gibi azalmalara neden olur. Ayrıca çapraz geçerlilik sınaması (cross-validation) adımlarında, sınıflandırmadaki zorluğun üstesinden gelmek için veriler, her bir sınıftan aynı sayıda örnek içeren gruplara ayrılmıştır. Her sınıfın örnekleri, bu koşulu sağlamak için beş gruba bölünmüştür. Eğitim ve test veri setleri bu grupların bir kombinasyonu olarak elde edilmiştir. Veri kümesindeki dengesizlik durumuyla başa çıkmak amacıyla, ilk olarak, verileri sınıflandırmak için Çok Katmanlı Algılayıcı (MLP), Destek Vektör Makinesi (SVM), Radyal Temel Fonksiyon (RBF) ve Rastgele Orman (RF) gibi bazı tipik sınıflandırma algoritmaları kullanılmıştır. Sınıflandırıcıların kesinlik ve doğruluk performans ölçümlerine göre, genel doğruluğu artırmak için, her bir veri sınıfı için iç içe sınıflandırıcı yapıları oluşturulmuştur. Daha iyi bir sınıflandırıcı performansı elde etmek için farklı yapılar denenmiştir. Klasik ve önerilen dört yeni topluluk ağının (ensemble network) performansları karşılaştırma için sunulmuştur. Karşılaştırma sonuçları, rastgele orman sınıflandırıcısının doğruluk açısından en iyi performansa sahip olduğunu ve en yüksek doğruluğa sahip topluluk ağıyla bile hemen hemen aynı performans sonuçların alınabileceğini göstermiştir. Bu nedenle ilerideki çalışmalarda sınıflandırıcı performansının iyileştirilmesi için veri setinin arttırılması ve farklı ağ yapılarının uygulanması planlanmaktadır.Keywords : Sınıflandırma, Kardiyak Aritmi, Dengesiz Veri, MLP, SVM, RBF, RF, Topluluk Öğrenmesi