Zor Örnek Farkındalıklı Kalp Hastalığı Tahmini: SHAP Tabanlı Etkileşim Mühendisliği ve Hibrit Topluluk Öğrenme Yaklaşımı

Bu çalışma, kalp hastalığı teşhisinde karşılaşılan sınıflandırma problemlerine yönelik, güvenilirliği ve doğruluğu artırmayı hedefleyen aşamalı bir model geliştirme süreci (T0–T3) sunmaktadır. Bu süreç, varsayılan modellerden (T0) başlayarak, SHapley Additive exPlanations (SHAP) tabanlı özellik mühendisliği ve hiperparametre optimizasyonu (T1), olasılık kalibrasyonu (T2) ve zor örnekler için özel bir hibrit yaklaşımı (T3) içerir. Veriler %70 eğitim/%30 test şeklinde ayrılmış ve en iyi model çok ölçütlü seçim yöntemleri (tekil metrikler, bileşik puanlama) kullanılarak belirlenmiştir. Bulgular, kalibrasyonun olasılık güvenilirliğini artırarak triyaj eşiği belirlemede kolaylık sağladığını; hibrit mimarinin ise zor örneklerde duyarlılığı artırırken genel performansta rekabetçi kaldığını göstermektedir. Bu çalışma, sadece doğruluk metriklerine değil, aynı zamanda güvenilirlik ölçütlerine de odaklanarak klinik karar desteği için şeffaf ve hesap verebilir bir çerçeve sunmaktadır.