Çarpık Verilerin Dönüşüm Teknikleri ile İyileştirilmesi ve AUC Değerleri Üzerindeki Etkiler: Bir Simülasyon Çalışması

Abstract

Bu çalışmanın amacı, sağa ve sola çarpık sağlık verilerine uygulanan çeşitli veri dönüşümlerinin alıcı işletim ka- rakteristiği [receiver operating characteristic (ROC)] eğrisi altında kalan alan [area under the curve (AUC)] üzerindeki etkilerini ince- lemektir. Özellikle, logaritmik, karekök, Box-Cox, Yeo-Johnson, Quantile, Rank, Robust Scale ve Inverse dönüşümlerin çarpık veri setlerinde AUC değerlerini nasıl etkilediği araştırılmıştır. Gereç ve Yöntemler: Çalışma kapsamında, farklı örneklem büyüklüklerinde sağa ve sola çarpık veri setleri oluşturulmuş ve bu veri setlerine farklı dönüşüm teknikleri uygulanmıştır. Her bir veri seti için AUC değerleri hesaplanmış ve çeşitli dönüşüm tekniklerinin bu değerlere etkisi simülasyon çalışmaları ile incelenmiştir. Python programlama dili kullanılarak 50?n?500 aralığında yer alan farklı n değerleri için veri türetilmiştir. Bulgular: Sağa çarpık verilere uygulanan dönü- şüm teknikleri arasında, Quantile dönüşümü küçük örneklem boyut- larında yüksek AUC değerleri sağlamıştır. Logaritmik, karekök, Box-Cox ve Yeo-Johnson dönüşümleri ise çarpıklığı azaltarak ben- zer performans göstermiştir. Inverse dönüşümü küçük örneklemler- de düşük AUC değerleriyle etkisiz kalmıştır. Sola çarpık verilerde, Quantile dönüşümü küçük örneklemlerde etkili olurken, Inverse dönüşümü büyük örneklemlerde en iyi AUC değerini vermiştir. Box-Cox ve Yeo-Johnson dönüşümleri ise sola çarpık verilerde çarpıklığı azaltarak daha dengeli AUC değerleri elde edilmesini sağlamıştır. Sonuç: Bu çalışma, çarpık verilerin AUC değerleri üzerindeki etkilerini değerlendirerek, sağlık verisi analistlerine uy- gun dönüşüm tekniklerini seçme konusunda pratik rehberlik sun- maktadır. Quantile dönüşümü küçük örneklem boyutlarında sağa ve sola çarpık verilerde genellikle etkili bir yöntem olarak öne çıkar- ken, Inverse dönüşümü özellikle büyük örneklem boyutlarında sola çarpık verilerde etkili olabilir. Bu bulgular, çarpık veri setlerinde model performansını iyileştirmek için dönüşüm tekniklerinin dik- katli bir şekilde seçilmesi gerektiğini vurgulamaktadır.