Dengesiz Veri Kümeleri için Veri Dengeleme, Gömülü Özellik Seçim Yöntemleri ve Sınıflandırma Algoritmalarına Dayalı Karşılaştırmalı Bir Analiz

Önerilen proje çalışmasında, dengesiz veri kümeleri için veri dengeleme yöntemleri, gömülü özellik seçim yöntemleri ve sınıflandırma algoritmalarının birlikte ele alındığı bütünleşik bir yaklaşım karşılaştırmalı bir analiz yapılarak ele alınacaktır. Proje çalışmasının amaçları, *Düşük, orta/yüksek dengesizlik oranına sahip dengesiz gerçek veri kümelerinin elde edilmesi,*Dengesiz veri kümelerini dengeli hale getirmek amacıyla veri dengeleme yöntemlerinin kullanılması,*Veri kümesindeki özellikler (değişkenler) arasında yüksek korelasyon olması durumunda gömülü özellik seçim yöntemlerinden LASSO, LARS, Elastic Network, vb. uygulanması ve modele katkısı olmayan ya da ilgisiz özelliklerin veri kümesinden çıkartılması,*Ele alınan gerçek veri kümelerine k-en yakın komşuluk (k-NN), Naive Bayes (NB), Destek Vektör Makinesi (SVM), Karar Ağacı (DT), Rasgele Orman (RF), XGBoost, AdaBoost, vb. sınıflandırma algoritmalarının uygulanması,*Oluşturulan karmaşıklık matrisleri (confusion matrix) yardımıyla, ele alınan sınıflandırma algoritmalarına ilişkin performans metriklerinin (duyarlılık, seçicilik, kesinlik, negatif tahmin değeri, doğruluk, F-skor, Matthew Korelasyon katsayısı, vb.) hesaplanması ve karşılaştırmalı bir analizin gerçekleştirilmesi