CASE Veriseti Üzerinde Duygu Sınıflandırma İçin Makine Öğrenmesi Algoritmalarının Performans Değerlendirmesi
Emre Rifat Yıldız, Yıltan BitirimBilgisayar Mühendisliği Bölümü, Mühendislik Fakültesi, Doğu Akdeniz Üniversitesi, KKTCSensör teknolojisi ve makine öğrenimi algoritmaları birkaç on yıl içinde evrimleşmiş olsa da fizyolojik sinyalleri kullanarak duygu sınıflandırması hala zorlu bir görevdir. Bu çalışmada, KNN, DT, RF, LR ve XGB algoritmalarının CASE veriseti üzerinde duygu sınıflandırmasındaki performansları değerlendirildi. Orijinal verisetinden Downsampled, Resampled-EM ve Resampled-VA olarak isimlendirilen 3 alt-veriseti elde edildi. Daha sonra, en küçük boyuta sahip verisetine hiper parametre ayarlaması uygulandı ve algoritmalar hiperparametre ayarlamasında elde edilen parametrelerle Resampled-EM, Resampled-VA ve orijinal setlere uygulandı. Elde edilen sonuçlara göre, KNN, RF ve XGB algoritmaları Resampled-VA setinde DT algoritmasına kıyasla daha yüksek doğruluklar sağladı. Bu durum Resampled-EM seti için tam tersi olarak gözlemlendi. XGB algoritması, %97.44 ile tüm sonuçlar arasında en yüksek doğruluğu sağladı. Bu çalışma, CASE verisetinde duygu sınıflandırması için makine öğrenimi algoritmalarını en kapsamlı şekilde kullanan çalışma olarak değerlendirilebilir.
Anahtar Kelimeler: Duygu tanıma, makine öğrenmesi, fizyolojik sinyaller, CASE verisetiPerformance Evaluation of the Machine Learning Algorithms for Emotion Classification on the CASE Dataset
Emre Rifat Yıldız, Yıltan BitirimDepartment Of Computer Engineering, Faculty Of Engineering, Eastern Mediterranean University, TRNCEmotion classification using physiological signals is still a challenging task even the sensor technology and machine learning algorithms evolved within the decades. In this study, the performance of KNN, DT, RF, LR, and XGB algorithms on emotion classification was evaluated in terms of accuracy on the CASE dataset. Three sub-datasets namely Downsampled, Resampled-EM, and Resampled-VA were obtained from the original dataset. Then, hyperparameter tuning was applied to the smallest dataset and the algorithms were applied with the parameters that were obtained in hyperparameter tuning to the Resampled-EM, Resampled-VA, and original sets. As the results obtained, KNN, RF, and XGB provided higher accuracies on the Resampled-VA set when compared to the Resampled-EM set, where it was the contrary for the DT algorithm. XGB algorithm provided the highest accuracy of 97.44% among all the results. This study could be considered as the most comprehensive study that utilizes machine learning algorithms for emotion classification on the CASE dataset.
Keywords: Emotion recognition, machine learning, physiological signals, CASE datasetSorumlu Yazar: Emre Rifat Yıldız, K.K.T.C.
| ARAÇLAR |
 Tam Metin PDF Yazdır Alıntıyı İndir RIS EndNote BibTex Medlars Procite Reference Manager E-Postala Paylaş Yazara e-posta gönder
Benzer makaleler Google Scholar |