İNDİRGENMİŞ ÖZNİTELİKLER VE ÇAPRAZ DOĞRULAMA STRATEJİLERİ İLE ÇOK SINIFLI OBEZİTE TAHMİNİ

Bu çalışmada, obezite seviyelerinin çok sınıflı tahmininde öznitelik seçimi ve çapraz doğrulama parametrelerinin etkileri incelenmiştir. Kaggle üzerinden erişilen ve Türkiye'deki bireylerden çevrim içi anket yoluyla toplanan 1610 örnekten oluşan “Obesity” veri seti kullanılmıştır. Veri seti 14 öznitelik ve dört sınıf (zayıf, normal, fazla kilolu ve obez) içermektedir. Öznitelik seçimi amacıyla Korelasyon Tabanlı Öznitelik Seçimi yöntemi uygulanmış ve hedef değişken ile en yüksek ilişkiye sahip öznitelikler belirlenmiştir. Bu sayede öznitelik sayısı 14'ten önce 9'a, ardından 7'ye düşürülmüştür. Sınıflandırma işlemi Random Forest algoritması kullanılarak gerçekleştirilmiş ve model performansı k=2 ile k=30 arasındaki farklı k-katlı çapraz doğrulama değerleri altında sistematik olarak değerlendirilmiştir. En yüksek doğruluk değeri, 9 öznitelik kullanıldığında %93,41 olarak elde edilmiştir. Sonuçlar, öznitelik sayısının azaltılmasına rağmen sınıflandırma performansının korunduğunu ve bazı durumlarda iyileştirilebildiğini göstermektedir. Ayrıca önerilen yaklaşımın, aynı veri seti üzerinde rapor edilen çalışmalarla karşılaştırıldığında rekabetçi bir performans sergilediği görülmüştür. Bulgular, uygun öznitelik seçimi ve çapraz doğrulama stratejilerinin model karmaşıklığını azaltırken yüksek sınıflandırma başarısının elde edilmesine katkı sağlayabileceğini ortaya koymaktadır.

This study investigates the effects of feature selection and cross-validation parameters on multi-class obesity level prediction. The “Obesity” dataset from Kaggle, consisting of 1,610 samples collected via an online survey of individuals in Türkiye, was used. The dataset includes 14 features and four classes (underweight, normal weight, overweight, and obese). A Correlation-Based Feature Selection approach was employed to identify the features most strongly associated with the target variable. Using different correlation thresholds, two reduced feature subsets containing 9 and 7 features were generated from the original 14-feature dataset. Classification was performed using the Random Forest algorithm, and model performance was systematically evaluated under k-fold cross-validation settings ranging from k=2 to k=30. The highest classification accuracy of 93.41% was achieved using the nine-feature subset. The results demonstrate that reducing the number of features can preserve and, in some cases, improve classification performance. Furthermore, the proposed approach exhibited competitive performance compared with previously reported studies conducted on the same dataset. The findings indicate that appropriate feature selection and cross-validation strategies can reduce model complexity while maintaining high classification accuracy. These results highlight the importance of feature selection in obesity classification and suggest that simpler models with fewer features can achieve effective and reliable predictive performance.