Vaka Dosyası
Banbury Arıza Tespiti ve Model Karşılaştırması
Aynı etiketli veri setinde birkaç sınıflandırıcıyı eğitip metrik ve ROC eğrileriyle seçim yaptım.
- Alan
- Öngörücü Bakım
- Odak
- Model karşılaştırması, arıza tespiti
- Yığın
- Python, Scikit-learn, Pandas
- Durum
- Tamamlandı
- Yıl
- 2025
Kapak görseli
Confusion matrix — seçilen model
Problem
Sensör serileri gürültülü; arıza sınıfı seyrek. Yanlış model hem false alarm hem kaçırılan olay üretir.
Yaklaşım
Zaman penceresi özellikleri (mean, std, slope) çıkarıldı. Stratified split; metrikler precision/recall/F1 ve ROC-AUC.
Teknik Yapı
Veri hazırlama
Ham sensör serileri pencerelendi; etiketler üretim kayıtlarıyla hizalandı.
Özellik mantığı
Her pencere için istatistiksel özetler ve trend; özellik sayısı düşük tutuldu (overfitting sınırı).
Model karşılaştırması
Logistic Regression, SVM, Random Forest, XGBoost; aynı CV stratejisi.
Değerlendirme metrikleri
Confusion matrix, F1, ROC-AUC; azınlık sınıfına ağırlık düşünüldü.
Sonuç
En dengeli precision–recall profili veren model raporlandı; confusion matrix eklendi.
Ek görseller
