Geri Dön

Car price prediction model for the Uzbek market

Özbekistan pazarı için otomobil fiyatı tahmin modeli

PDF İndir

  1. Tez No: 1005187
  2. Yazar: NURBEK JURAEV
  3. Danışmanlar: Assist. Prof. Dr. NURİ BİNGÖL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Fiyatlandırma, K-En Yakın Komşu Algoritması, Otomotiv endüstrisi, Regresyon, Regresyon ağaçları, Regresyon modelleri, Ön kestirim modelleri, Öznitelik, Öğrenme algoritmaları, Pricing, K-Nearest Neighbor Algorithm, Automotive industry, Regression, Regression trees, Regression models, Prediction models, Feature extraction, Learning algorithms
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Özbekistan'da otomobil piyasasının hızlı yükselişi, otomobiller için güvenilir fiyatlar verebilecek araçlara olan talebin artmasına neden oldu veya olduğu söylenebilir. Bu araçlar veya sistemler, alıcıların, satıcıların ve araba alım satım süreciyle bir şekilde bağlantılı olan diğer pek çok kişinin daha bilinçli kararlar vermesine yardımcı olacaktır. Bu tez, bir şekilde, Özbekistan pazarının ihtiyaçlarına uygun bir araba fiyat tahmin modeli oluşturmak için makine öğreniminin nasıl kullanılabileceğine bakacaktır. Bunu yapmak için Telegram araba satış grupları, OLX Uzbekistan platformu ve Avtoelon dahil olmak üzere farklı yerlerden veriler toplanmıştır. Veri kümesi, arabanın markası ve modeli, üretim yılı, ne kadar sürüldüğü (kilometre), arabanın durumu, nerede bulunduğu ve tabii ki fiyatı gibi çeşitli ayrıntılara veya niteliklere sahiptir. Doğrusal Regresyon, Rastgele Orman ve CatBoost olmak üzere üç farklı yöntem test edilmiştir. Bu yöntemler aracılığıyla veriler işlendi, özellikler oluşturuldu ve geliştirildi ve modeller diğer makine öğrenimi teknikleriyle daha fazla değerlendirildi. Sonunda CatBoost modelinin en iyi sonuçları verdiği görülmüştür. Bu model, ortalama mutlak hata (MAE) ve kök ortalama kare hata (RMSE) için düşük kabul edilen değerler üretmiştir; bu da tahminlerin oldukça iyi olduğunu veya en azından test edilen diğer yöntemlerden daha iyi olduğunu göstermektedir. Çalışmada, modelin güçlü ve anlaşılabilir olup olmadığını kontrol etmek için çapraz doğrulama ve özellik önem analizi gibi teknikler kullanılmıştır, ancak bu yöntemlerin önemi biraz belirsiz olarak görülebilir, ancak yine de modelin güvenilir olduğundan emin olmak için kullanılmıştır. Arabaların markası, modeli ve kilometresi gibi faktörler önemli bulundu, bu da Özbekistan'da arabaların ne kadara mal olduğunu tahmin etmede gerçekten önemli oldukları anlamına geliyor. Yapay zeka kullanan bu model, bireysel alıcılar ve satıcılar, araba satıcıları, bankalar ve bu pazarda karar verenler gibi insanlar için bir tür pratik kullanıma sahiptir. Bu modelin yaptığı şey, piyasada var olan verimsizlikleri ortadan kaldırmaya çalışan, aynı zamanda piyasada yer alan çeşitli kişiler veya gruplar arasındaki güveni artıran veya en azından artırmaya çalışan, verilere dayalı, çok şeffaf bir yaklaşım sağlamaktır. Önerilen bu araştırma, fiyatlandırmanın şeffaflığı konusunda önemli olduğu düşünülen bir boşluğu bir şekilde doldurmaktadır. Bunu yaparak, özellikle yapay zekayı benimseyen piyasalarda ortaya çıkan verimlilik açığının en azından bir miktar kapatılmasına yardımcı olmaktadır. Bu, işlevselliği iyileştirmek, daha fazla kaynak getirmek, daha derin öğrenme modelleri kullanmak ve gerçek zamanlı tahmin yapan sistemlere sahip olmak gibi birçok farklı yolla başarılabilir. Bu sistemler aynı zamanda kullanıcılar için kullanımı kolay arayüzlere sahip olmalıdır. Tüm bunlar, yapay zekanın gelecekte nasıl kullanılabileceği konusunda, özellikle de doğru teknolojiyle çok değişebilecek olan yerel ve bölgesel otomobil pazarlarını dönüştürmek veya devrim yapmak söz konusu olduğunda, daha fazla keşif ve yeni fikirler için bir fırsat veya olasılık yaratmaktadır.

Özet (Çeviri)

The rapid rise of the car market in Uzbekistan has, or could be said to have, led to an increasing demand for tools that can give reliable prices for cars. These tools, or systems, would help buyers, sellers, and many others who are somehow connected to the process of buying or selling cars, make more informed decisions. This thesis, in some way, will look at how machine learning can be used to create a car price prediction model that fits the needs of the Uzbekistan market. Data from different places has been collected to do this, including Telegram car sales groups, the OLX Uzbekistan platform, and Avtoelon. The dataset has various details, or attributes, such as the make and model of the car, its year of manufacture, how much it has been driven (mileage), the condition of the car, where it is located, and of course, the price. Three different methods were tested, those being Linear Regression, Random Forest, and CatBoost. Through these methods, the data has been processed, features have been created and improved, and the models were further evaluated with other machine learning techniques. In the end, it was found that the CatBoost model gave the best results. This model produced values that were considered low for the mean absolute error (MAE) and root mean square error (RMSE), which suggests that the predictions were quite good, or at least better than those of other methods tested. The study used techniques like cross-validation and feature significance analysis to check if the model was strong and understandable, though the importance of these methods could be seen as somewhat uncertain, but still, they were used to try and make sure the model was reliable. The factors such as make, model, and mileage of cars were found to be significant, which means they really matter, in predicting how much cars cost in Uzbekistan. This model that uses AI has some kind of practical uses for people, like individual buyers and sellers, car dealers, banks, and those who make decisions in this market. What this model does is provide an approach that is very transparent, based on data, which tries to remove the inefficiencies that exist in the market, while also increasing, or at least trying to increase, the trust between the various people or groups involved in the market. This research that has been proposed fills, in some way, a gap, which is considered important, in the transparency of pricing. By doing so, it helps to close, at least a bit, the efficiency gap in markets that are emerging, particularly those that are adopting AI. How this can be achieved is through many different ways, such as improving functionality, bringing in more sources, using deeper learning models, and having systems that predict in real-time. These systems should also have interfaces that are easy for users to operate. This all creates an opportunity or possibility for more exploration and new ideas in terms of how AI can be used in the future, especially when it comes to transforming or revolutionizing the local and regional markets for cars, which could change a lot with the right technology.

Benzer Tezler

  1. Tez No

    841756

    Web kazıma ve makine öğrenmesi yöntemleri kullanılarak fiyat tahminleme: İkinci el araç piyasasında bir örnek

    Price prediction using web scraping and machine learning methods: An example in the used car market

    SEDA KAHRAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mühendislik BilimleriSakarya Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İHSAN HAKAN SELVİ

  2. Tez No

    847191

    Perakende sektöründe ikinci el araç fiyat tahminlemesinde makine öğrenmesi yöntemlerinin karşılaştırılması

    Comparison of machine learning methods for used car price forecast in the retail industry

    SELEN ÇOLPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiEskişehir Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. NİHAL ERGİNEL

  3. Tez No

    893316

    Türkiyede en çok satılan otomobil fiyatına etki eden faktörlerin hedonik fiyat modeli ve yapay sinir ağları ile analizi

    Analysis of the factors affecting the price of the most soldautomobile in Turkey with hedonic price model and artificial neural networks

    ENES ÇÖRDÜKÇÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. YÜKSEL TERZİ

  4. Tez No

    374011

    Development and implementation of a price prediction system using machine learning techniques

    Makine öğrenme teknikleri kullanılarak fiyat tahminleme sisteminin yapılması ve geliştirilmesi

    SERCAN EREN İŞKESEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DERYA BİRANT

  5. Tez No

    704392

    Applying machine learning approaches to price prediction

    Makine öğrenimi yaklaşımlarının fiyat tahminlemesine uygulanması

    ABDUSSAMET DUMANKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA YENİAD

Geri Dön