İlkim Ecem EMRE
Acıbadem Üniversitesi Sağlık Bilimleri Dergisi - 2026;17(2):0-0
Bu çalışma, Tip 2 diyabetin tahmini amacıyla rastgele orman (RF) ve XGBoost (XGB) topluluk öğrenmesi algoritmalarının performanslarını karşılaştırmayı amaçlamaktadır. Model geliştirme sürecinde, yaygın olarak bilinen ve kullanılan PIMA Indians Diyabet veri kümesi kullanılmıştır. Veri ön işleme adımlarının ardından, beş kez tekrarlanan 5 katlı çapraz doğrulama yöntemi uygulanmıştır. Model performansları; doğruluk, kesinlik, duyarlılık, özgüllük, F1 skoru ve AUC ölçütleri kullanılarak değerlendirilmiştir. RF modeli 0.817 doğruluk ve 0.874 AUC değerine ulaşırken, XGB modeli 0.791 doğruluk ve 0.874 AUC değeri elde etmiştir. Her iki modelde de diyabet tahmininde en önemli öznitelik olarak glikoz belirlenmiştir. Elde edilen sonuçlar, RF ve XGB modellerinin tekrarlanabilir bir analitik çerçeve altında karşılaştırılabilir ayırt edici performans sergilediğini ve AUC' de istatistiksel olarak anlamlı bir fark olmadığını göstermiştir.
