Tamamen Rastgele Eksik (MCAR) Verilerde Veri Madenciliği ve Sınıflandırma Algoritmaları

GirişI. Veri Madenciliği Sınıflandırma Algoritmaları1. k-En Yakın Komşu Algoritması 1.1 k Değeri ve Secimi1.2 Benzerlik Olcutleri1.3 Standartlaştırma1.4 k-En Yakın Komşu Algoritması Calışmaları 2. Lojistik Regresyon Analizi2.1 İkili (Binary) Lojistik Regresyon Analizi2.2 Sıralı (Ordinal) Lojistik Regresyon Analizi2.3 Cok Kategorili (Multinominal) Lojistik Regresyon Analizi2.4 Katsayıların Tahmini2.5 Katsayıların Anlamlılığının Test Edilmesi 2.6 Modelin Uyum İyiliği, Belirlilik Katsayıları ve Sınıflandırma2.7 Lojistik Regresyon Analizi Algoritması Calışmaları3. Naive Bayes Sınıflandırıcısı3.1 Koşullu Olasılık ve Bayes Teoremi3.2 Naive Bayes Algoritması3.3 Naive Bayes Algoritmasında Sıfır Değer Sorunu3.4 Normal Dağılımlı Naive Bayes 3.5 Naive Bayes Algoritması Calışmaları4 Destek Vektör Makineleri4.1 Doğrusal Sınıflandırma4.1.1. Hard-Marjin Destek Vektor Makineleri4.1.2 Soft-Marjin Destek Vektor Makineleri4.2. Doğrusal Olmayan Sınıflandırma4.2.1 Kernel Trick4.2.2 Destek Vektor Makineleri Algoritması Calışmaları4.5 XGBoost Algoritması4.5.1. XGBoost Algoritması CalışmalarıII. Eksik Veri1. Eksik Veri Mekanizmaları 1.1. Tamamen Rastgele Eksik Olan Veriler (MCAR1.2. Rastgele Eksik Olan Veriler (MAR1.3. Rastgele Eksik Olmayan Veriler (MNAR2. Eksik Veri Çözümlemesinde Kullanılan İmputasyon Yöntemleri2.1 İstatistik Tabanlı Yaklaşımlar2.2 Makine Oğrenmesi Tabanlı YaklaşımlarIII. Eksik Veri Uygulamaları1. Bank Note Authentification Veri Seti2. Abalone Veri Seti3. Occupancy Detection Veri Seti4. Eksik Veri İçin Simülasyon ÇalışmasıSonuç ve DeğerlendirmeKaynaklar