Amaç: Denetimli makine öğrenmesi algoritmaları ve sinir ağları, veri madenciliğinde yaygın olarak kullanılan sınıflama yöntemlerindendir. Bu çalışmada, beyin felci hastalığının tanısının konulmasını etkileyen faktörlere göre yaygın olarak kullanılan denetimli makine öğrenmesi algoritmaları ve sinir ağları yöntemlerinden RBFN kullanılmış ve sınıflandırma performanslarının değerlendirilmesi amaçlanmıştır.

Gereç ve Yöntem: Veri seti açık kaynaklı bir veri seti olmak üzere inme ve inme olmayan toplam 4981 kişi yer almaktadır. Bu veri seti denetimli makine öğrenmesinde sıklıkla kullanılan dört algoritma (karar ağacı (DT), rastgele orman (RF), ve K-en yakın komşuluk (K-NN) ve destek makine vektörü (SVM) ile sinir ağlarından RBFN ile modellenmiştir. Ayrıca algoritma performansları performans kriterlerine göre değerlendirilmiştir.

Bulgular: Doğruluk kriterine göre performansı en yüksek olan algoritmalar sırasıyla DT (0,954), SVM (0,954), RBFN (0,954) ve RF(0,953) 'dür. K-NN algoritması ise kesinlik (0,061) ve duyarlılık (0,080) bakımından diğer yöntemlere göre daha yüksek bulunmuştur.

Sonuç: DT, RF, SVM ve RBFN metodları performansları doğruluk kriteri bakımından birbirlerine yakın bulunmuştur. Karar verme sürecinde bu dört yöntemin K-NN e göre doğru sınıflama performansı daha yüksektir.