Yapay sinir ağları ile lojistik regresyon analizi`nin karşılatırılması

Abstract

ÖZET Bu çalışmada, 2003-2004 Eğitim-Öğretim yılında Trakya Üniversitesi Tıp Fakültesi 1, 2, 3 ve 4'üncü sınıf öğrencilerinin alkol kullanma alışkanlıklarını tespit etmek için Gençlik Anketi'nin alkolle ilgili sorulan ve Frontal Lob Kişilik Ölçeği'nden elde edilen veriler kullanılarak, öğrencilerin alkol kullanımını etkileyen faktörlerin Lojistik Regresyon Analizi ve Yapay Sinir Ağlan ile incelenmesi ve bu yöntemlerin alkol kullanan ve kullanmayan öğrencileri ayırmadaki performanslarının ROC eğrisi yöntemiyle karşılaştırılması amaçlandı. Lojistik Regresyon Analizi sonucunda ders dışındaki zamanlarda bar, disko, kafe ya da kahvehaneye gitme (OR=1.920; p<0.05), dinin önem düzeyi (OR=0.454; pO.001), alkol kullanan arkadaş sayısı (OR=2.441; pO.001), alkol içmesi için arkadaşların ısrar düzeyi (OR=1.557; p<0.01) ve dürtüsellik (OR=1.826; pO.001) değişkenlerinin öğrencilerin alkol kullanımı üzerinde önemli etkiye sahip oldukları bulundu. Çalışmamızda, dört farklı yapay sinir ağı modeli oluşturuldu (Lojistik-lojistik, lojistik-hiperbolik, hiperbolik tanjant-hiperbolik tanjant ve hiperbolik tanjant-lojistik). Lojistik Regresyon Analizi ile Yapay Sinir Ağlan ve Yapay Sinir Ağlan kendi aralarında karşılaştırıldığında; hiperbolik tanjant-hiperbolik tanjant fonksiyonlu ve hiperbolik tanjant-lojistik fonksiyonlu Yapay Sinir Ağları'nın ROC eğrisi altında kalan alanlarının farklı olmadığı fakat diğer modellerin alanlarından istatistiksel olarak daha büyük oldukları bulunmasına rağmen özgün ve kestirim gücü oranlan incelendiğinde baza oranlara göre ön plana çıkan modellerin bazı oranlar bakımından ise iyi sonuç vermediği bulundu. Bu nedenle Lojistik Regresyon Analizi ve Yapay Sinir Ağlan yöntemleri ile elde edilen modellerin alkol kullanan ve kullanmayan öğrencileri sınıflandırma performansları 102arasında çok önemli farkların olmadığı ve Lojistik Regresyon yerine Yapay Sinir Ağları'nın kullanılması için önemli sayılabilecek avantaj inin olmadığı bulundu. Sonuç olarak; Frontal Lob Kişilik Ölçeği'nin alkol kullanımınınbeyinsel işlevler üzerindeki etkisinin belirlenmesinde kullanılabilecek bir ölçek olduğuna, alkol kullanan ve kullanmayan öğrencilerin sınıflandırılmasında Yapay Sinir Ağları'nın Lojistik Regresyon Analizi'ne göre avantaj ve dezavantajları göz önünde bulundurularak amaca göre sınıflandırma ve modelleme çalışmalarının yürütülmesi gerektiğine ve Lojistik Regresyon Analizi'nin önemsiz değişkenlerin elenmesi için Yapay Sinir Ağları'nda bir eleme yöntemi olarak kullanılabileceğine karar verildi. Anahtar Kelimeler: Frontal Lob Kişilik Ölçeği, Lojistik Regresyon Analizi, Yapay Sinir Ağlan, Geriye Yayılma Algoritması, Receiver Operating Characteristic (ROC) Eğrisi 103

COMPARISON OF ARTIFICIAL NEURAL NETWORKS AND LOGISTIC REGRESSION ANALYSIS SUMMARY In this study, in order to determine severity of alcohol use among 1, 2, 3 and 4th year students in Trakya University Medical Faculty 2003-2004 season, Youth Questionnaire and Frontal Lobe Personality Scale were performed. The factors that affect students' alcohol use behaviors were examined by Logistic Regression Analysis and Artificial Neural Networks. In order to evaluate their success on separation of alcohol user and non-user students, these methods' performance were compared using ROC curve method. Logistic Regression Analysis showed that the following variables effect alcohol use behaviors of students considerably high: to go to bar, disco or cafe in their spare time (OR=1.920; p<0.05), importance level of religion (OR=0.454; pO.001), the number of alcohol user friends (OR=2.441; pO.001), the insistence of friends on drinking alcohol (OR=1.557; p<0.01) and impulsivite (OR=1.826; pO.001). In our study, four different Artificial Neural Networks models were created (Logistic-logistic, logistic-hyperbolic tangent, hyperbolic tangent-hyperbolic tangent and hyperbolic tangent-logistic). When Logistic Regression Analysis with Artificial Neural Networks and Artificial Neural Networks each other were compared, there is no difference were observed that the area under the ROC curves of hyperbolic tangent-hyperbolic tangent function and hyperbolic tangent-logistic function Artificial Neural Networks. Although these models have statistically larger area than the other models, diagnostic test rates showed that these models did not showed good performance in 104terms of some rates. There is no significant difference were observed between alcohol users and non-user students' classification performance of models that obtained using Logistic Regression Analysis and Artificial Neural Networks methods. We could say that using Artificial Neural Networks instead of Logistic Regression Analysis does not have much benefit. We could summarize the results of this study as follows: Frontal Lobe Personality Scale is a suitable method to determine the effects of alcohol usage on brain functions, it is necessary to take into account advantages and disadvantages of Artificial Neural Networks and Logistic Regression in the classification and modeling of alcohol user and non-user students, and in order to eliminate insignificant variables of Logistic Regression Analysis, Artificial Neural Networks may also use as an elimination methods. Keywords: Frontal Lobe Personality Scale, Logistic Regression Analysis, Artificial Neural Networks, Backpropagation Algorithm, Receiver Operating Characteristic (ROC) Curve 105