Veri madenciliğinde destek vektör makinaları ve karar ağaçları yöntemlerini kullanarak bilgi çalışanlarının kurum performansı üzerine etkisinin ölçülmesi ve bir uygulama
Measuring the effect of knowledge workers on organization performance by using support vector machines and decision trees in data mining and an application
- Tez No: 303756
- Danışmanlar: PROF. DR. ÖNER ESEN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: 341
Özet
Bu tez çalışmasında, karar destek sistemleri ve veri madenciliği araçlarından olan karar ağaçları ve destek vektör makineleri (DVM) yöntemleri incelenmiştir. Karar ağaçları kolay yorumlanabilme ve sade görünüm özelliklerine sahip olduğundan popüler bir yöntemdir. Her iki yöntemde denetimli makine öğrenme (supervised machine learning) yöntemleridir. İstatistik öğrenme metotları istatistik ve makine öğrenimi alanlarının bir bileşimidir. DVM yöntemi istatistik öğrenme metotlarını içeren bir yöntemdir. Bilgi çalışanında olması gereken nitelikler keşfedici faktör analizi ile elde edildikten sonra, bu faktörlerin kurum performansı üzerindeki etkileri, karar ağaçları ve DVM modelleri ile detaylı olarak incelenmiştir. Çalışmada kullanılan veri kümesi, 2011 yılında bilgi çalışanları üzerinde yapılan anket yolu ile elde edilmiştir. Veri kümesinde 564 adet bilgi çalışanına ait kayıtlar mevcuttur. Ankette, bilgi çalışanı memnuniyeti 34 değişken ile ölçülürken, 4 değişken finansal ve 4 değişkende finansal olmayan kurum performansı için kullanılarak ölçülmüştür. Elde edilen ilgili veri kümesi kullanılarak DVM ve Karar ağaçları modelleri uygulanarak, modellerin performansları değişik araçlar ile kıyaslanmıştır. Analiz sonuçlarına göre, DVM ile C&R Tree karar ağacı modelli en yüksek doğruluk oranına sahip olduğu görülmüştür.
Özet (Çeviri)
In this thesis, decision trees and support vector machines methods, which are decision support systems and machine learning tools, are investigated. Decision trees are very popular methods because if its? simplicity to use and interpretability. Both of these tools are both supervised machine-learning methods. Statistical learning methods include statistics as well as machine learning. Support vector machines are methods that contain statistical learning tools. After obtaining the necessary attributes (factors) that knowledge workers should possess by using exploratory factor analysis (EFA), the effects of these attributes on organization?s performance was examined in details by using decision tree as well as the support vector machine methods. Data set used in this study in 2011 was obtained through a survey carried out on knowledge workers. There are 564 records about knowledge workers in this data set. In the survey, the satisfaction of knowledge workers was measured by using 34 variables and the organization?s performance was measured by using 4 variables for financial performance and by using 4 variables for non-financial performance. By applying SVM and decision tree methods on the acquired data set, the performances of the models were compared in terms of various performance measuring tools. According to the results of detailed analysis, SVM and the C&R Tree decision tree models had the highest performance results such as overall accuracy rates in many cases.
Benzer Tezler
- A comparison of data mining methods for prediction and classification types of quality problems
Tahmin etme ve sınıflandirma kalite problemleri özelinde veri madenciliği metotlarının karşılaştırılması
ZEYNEP ANAKLI
Yüksek Lisans
İngilizce
2009
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA KARASAKAL
PROF. DR. GÜLSER KÖKSAL
- Hastanelerin finansal ve faaliyet durumlarının veri madenciliği yöntemleri ile değerlendirilmesi
Assessment of financial and operational status of hospitals with data mining methods
NURETTİN ÖNER
Doktora
Türkçe
2020
HastanelerAnkara ÜniversitesiSağlık Kurumları Yönetimi Ana Bilim Dalı
PROF. DR. İSMAİL AĞIRBAŞ
- Sosyal ağlar üzerinde mültecilere yönelik nefret söyleminin metin madenciliğine dayalı tespiti
Text mining detection of hate speech against refugees on social networks
FİGEN EĞİN
Yüksek Lisans
Türkçe
2023
Mühendislik Bilimleriİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. VAHİDE BULUT
DOÇ. DR. AYTUĞ ONAN
- Pertübasyon yöntemi ile hassas veri güvenliğine yönelik çok değişkenli veriler için tahmin analizi
Prediction analysis for multivariate data with respect to sensitive data security using the perturbation method
İLKER İLTER
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAFİYE SENCER
- Veri madenciliğinde sınıflandırma problemleri için optimizasyon yaklaşımları
Optimization approaches for classification problems in data mining
ENVER ENGÜR
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BANU SOYLU