Öztürk, DilaraErdoğmuş, Pakize2026-07-012026-07-0120262687-606X2687-606Xhttps://doi.org/10.53608/estudambilisim.1865194https://hdl.handle.net/20.500.12684/22510<p>Alzheimer hastalığı (AH), bilişsel gerilemenin yanı sıra ince motor becerilerde de bozulmalara yol açan nörodejeneratif bir süreçtir. Bu çalışmada, invaziv olmayan bir erken teşhis yöntemi olarak el yazısı kinematiğinin analizi hedeflenmiştir. Çalışmada, UCI Machine Learning Repository'de yer alan DARWIN (Diagnosis AlzheimeR With handwritINg) veri seti kullanılmıştır. Sınıflandırma performansı, Lojistik Regresyon (LR), Rastgele Orman (RF) ve Destek Vektör Makineleri (SVM) algoritmaları ile değerlendirilmiştir. Çalışma iki aşamadan oluşmaktadır: İlk aşamada modeller, tüm öznitelik seti ile 3, 5, 10-Katlı Çapraz Doğrulama (3, 5, 10-Fold Cross-Validation) yöntemi kullanılarak test edilmiştir. İkinci aşamada ise model açıklanabilirliğini artırmak ve yüksek boyutluluk problemini aşmak amacıyla SHAP (SHapley Additive exPlanations) tabanlı özellik seçimi uygulanmış ve "En İyi Fold (Best Fold)" eğitim stratejisi benimsenmiştir. Elde edilen bulgular, el yazısı analizinin AH tespitinde güçlü bir biyobelirteç olduğunu ve SHAP destekli optimizasyonun model başarısını belirgin şekilde artırdığını göstermektedir.</p>en10.53608/estudambilisim.1865194info:eu-repo/semantics/openAccessAlzheimer TesbitiMakine ÖğrenmesiSHAPÖzellik SeçimiElyazısı AnaliziDARWIN VerisetiArticle1122318651940009-0003-2903-74990000-0003-2172-5767