Applications of machine learning in classification of biological data

Abstract

Makine öğrenimi, bilgisayarların veriden öğrenmesini sağlar. Çok çeşitli uygulama alanlarına sahiptir. Hesaplamalı biyoloji ve biyoinformatik, makine öğrenimi uygulamalarının problemlere doğru çözümler sağladığını gösteren bazı alanlardır. Farklı makine öğrenimi algoritmaları, denetimli, yarı denetimli, denetimsiz ve takviye öğrenme olarak özetlenmiştir. Bu tezde, biyolojik veri kümeleri üzerinde denetlenen makine öğrenimi algoritmalarına odaklanıldı. Farklı veri kümelerine çoklu makine öğrenme yaklaşımları uygulanıldı. K-en yakın komşu, softmax sınıflandırması, sinir ağları yaklaşımları kullanıldı. Ayrıca, bir biyolojik veriyi sınıflandırmak için uygun algoritmalar ve kabul edilebilir makine öğrenme modelleri tartışıldı.

Machine learning enables computers learn from the data. It has a wide range of application areas. Computational biology and bioinformatics are some areas in which machine learning applications provide accurate solutions to problems. Different types of machine learning tasks are summarized as supervised, semi-supervised, unsupervised and reinforcement learning. In this thesis, we focus on supervised machine learning tasks on biological datasets. We applied multiple machine learning approaches to different datasets. K-nearest neighbor, softmax classification, neural networks approaches are considered. Moreover, we discussed suitable algorithms and acceptable machine learning models to classify a biological data.