Geri Dön

Veri madenciliği: Sınıflandırma ve tahmin yöntemlerini kullanarak bir uygulama

Data mining: Application by using predictive and classification modelling

  1. Tez No: 113746
  2. Yazar: PELİN BİÇEN
  3. Danışmanlar: PROF. DR. S. ÜMİT OKTAY FIRAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2002
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 138

Özet

ÖZET İşletme ve bilimsel içerikli veri tabanlarının gün geçtikçe büyümesi, veri tabanlarında bulunan verinin analiz edilmesini ve yorumlanmasını zorlaştırdı. Bu noktada, veri tabanı analiz sürecini otomatikleştirecek yeni nesil tekniklere ve araçlara ihtiyaç duyulmaya başlandı. Bu anlamda, bu teknikler ve araçlar veri tabanlarında bilgi keşfi ve veri madenciliği teknikleri olarak bilinen ve çok hızlı gelişen bir alana konu oldular. Veri madenciliği teknolojisi her geçen gün gelişmektedir. Tıp, finans, sağlık, pazarlama, sigorta ve diğer işletme sektörlerinde bu gelişen teknolojiye artan derecede ihtiyaç duyulmaktadır. İstatistik paket programlar konusunda uzman uluslararası yazılım firmaları, veri madenciliği pazarındaki rekabette lider şirket olabilmek için sürekli yeni yazılımlar geliştirmektedir. Bu anlamda veri madenciliği alanı istatistik yazılım programlarının bir uzantısı olarak görülmektedir. SAS şirketinin felsefesine göre,“SAS kütüphanesinde istatistik herşeydir, veri madeciliği ise geriye kalan herşeydir.”Bu çalışmada, ilk olarak veri tabanlarında bilgi keşfi ve veri madenciliği kavranılan detaylı olarak açıklanmıştır. Veri madenciliği teknikleri ve uygulama alanları geniş bir çerçevede incelenmiştir. Son bölümde, günümüz işletme dünyasında çok sık karşılaşılan, müşterilerin kredi taleplerinin değerlendirilmesi ve karlılık durumlarına göre müşterilerin bölümlendirilmesi problemi, veri madenciliği sınıflandırma ve tahmin modelleri uygulanarak çözümlenmiştir. Çözüm sürecinde SAS Enterprise Miner 4.2 veri madenciliği paketi kullanılmıştır.

Özet (Çeviri)

SUMMARY The explosive growth of many business and scientific databases has far exceeded the ability to interpret the data. At this point, there was a creating need for a new generation of tools and techniques for automated database analysis. The tools and techniques are the subject of the rapidly emerging field of knowledge discovery in databases (KDD) and datamining techniques. Data mining technology is rapidly evolved. There is a creating need of this emerging technology in medical, finance, health, marketing, insurance and other related sector. Expert multinational firms that produce statistical application packages has continuously developed new statistics software in order to be a leader in data mining market. The philosophy of S AS Inst, is“ Statistics is everything in SAS Library and data mining is everything else”. By this definition, it is easy to understand that data mining has now ceased to exist. In this research, first of all data mining and knowledge discovery in databases (KDD) concepts were explained. Data mining techniques and their application areas were tried to be examined in extense form. In the last chapter, customer credit scoring and customer segmentation problem that was steadily encountered in current business world was solved with predictive and classification data mining modeling techniques. In the solution period, SAS Enterprise Miner 4.2 data mining package was used.

Benzer Tezler

  1. A comparison of the performance of ensemble classification methods in telecom costumer churn analysis

    Telekomünikasyon sektörü müşteri ayrılma analizinde birleştirmeli sınıflandırma yöntemleri performanslarının karşılaştırması

    GÖKÇE KALABALIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET CUDİ OKUR

  2. Bağımsız denetim görüşlerinin tahmin edilmesinde veri madenciliği yöntemlerinin karşılaştırılması: Borsa İstanbul'da bir uygulama

    Comparison of data mining methods for audit opinions prediction: An application in Borsa Istanbul

    ZAFER KARDEŞ

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeAfyon Kocatepe Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. TUĞRUL KANDEMİR

  3. Pre-release forecasting of imdb movie ratings using multi-view data

    Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi

    BEYZA ÇİZMECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  4. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  5. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK