I. Uluslararası Sağlıkta Performans ve Kalite Kongresi Bildiriler ...

• Regresyon: Regresyon veriyi gerçek değerli tahmin değişkenlerine
haritalamaya yarayan bir fonksiyonu öğrenmeyi gerektirir. Nümerik
değerlerin tahmini doğrusal regresyon gibi geleneksel istatistiksel yöntemler
ile yapılabilir. Buna karşın, regresyon aynı zamanda sınıflandırma görevinde
sıklıkla kullanılan üst düzey sembolik yöntemlerle de yapılabilir.
• Birliktelik: İş uygulamalarında market sepet analizi veya eğilim analizi
olarak da anılan ilişki; öznitelikler ve işlemler arasındaki ilişkilerin keşfidir.
• Kümeleme: Kümeleme bir grup veriyi bir çok yeni sınıfa ayırmayı
gerektirir.
Veri Madenciliği yöntemlerini denetimli ve denetimsiz olmak üzere iki ana kategoriye
ayırmak mümkündür. İyi tanımlanmış veya kesin bir hedef olduğunda denetimli
(supervised) Elde edilmesi istenen sonuç için özel bir tanımlama yapılmamışsa veya
belirsizlik sözkonusu ise denetimsiz (unsupervised) ifadesi kullanılır (Hastie et. al.
2001). Denetimsiz yöntemler daha çok veriyi anlamaya, tanımaya, keşfetmeye
yönelik olarak kullanılan ve sonraki uygulanacak yöntemler için fikir vermeyi
amaçlamaktadır, denetimli yöntemler ise veriden bilgi ve sonuç çıkarmaya yönelik
kullanılmaktadır denilebilir. Başlıca Veri Madenciliği yöntemleri denetimli veya
denetimsiz olmalarına göre;
Denetimli (Supervised) Yöntemler
• En yakın k komşuluk (k-Nearest-Neighbor)
• K-ortalamalar kümeleme (K-means clustering)
• Regresyon modelleri (Regression models)
• Kural çıkarımı (Rule induction)
• Karar ağaçları (Decision trees)
• Sinir ağları (Neural networks)
Denetimsiz (Unsupervised) Yöntemler
• Aşamalı kümeleme ( Hierarchical clustering)
• Kendi kendini düzenleyen haritalar (Self organized maps)
olarak sınıflandırılabilir (Hastie et. al. 2001 ve www.thearling.com 2004).
249