Geri Dön

Karar ağaçları, bayes ağları ve etki diyagramları aracılığı ile bilgi keşfi ve karar verme

Knowledge discovery and decision making via decision trees, bayesian networks and influence diagrams

  1. Tez No: 340550
  2. Yazar: GÜLSEREN SAYICI
  3. Danışmanlar: YRD. DOÇ. DR. ESMA NUR ÇİNİCİOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Karar Ağacı, Bayes Ağı, Etki Diyagramı, Durum Analizi, Duyarlılık Analizi, Bayes Ağlarında Değişken Seçimi, Sezgisel Yöntem, Decision Tree, Bayesian Network, Influence Diagram, Scenario Analysis, Sensitivity Analysis, Variable Selection in Bayesian Networks, Heuristic Method
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Sayısal Yöntemler Bilim Dalı
  13. Sayfa Sayısı: 142

Özet

Bu çalışmanın amacı belirsizlik altında akıl yürütme için kullanılan olasılıksal yöntemlerden karar ağaçları, Bayes ağları ve etki diyagramlarının karar sürecinde karar vericiye nasıl yardımcı olduklarının gösterilmesi ve bu yöntemlerin farklı durumlarda kullanımlarının incelenerek birbirleri ile karşılaştırılmalarının yapılmasıdır. Bu bağlamda bu çalışmada, etkin Bayes ağlarının oluşturulabilmesi için ağda kullanılacak değişkenlerin belirlenmesini sağlayacak yeni sezgisel bir yöntem geliştirilmiştir.Çalışmada yapılan analizlerin gerçek bir veri setinde gösterilebilmesi amacıyla Kaliforniya Üniversitesi tarafından kullanıma açılan ve bir banka kredi başvurusu yapan müşterilerin özelliklerini içeren veri seti kullanılmış ve geliştirilen sezgisel yöntemin etkinliği bu veri seti aracılığıyla gösterilmiştir. Çalışmanın uygulama kısmında ilk olarak verilerden ilgili karar ağacı oluşturulmuş ve müşteri sınıflandırması yapılmıştır. Daha sonra aynı veri setinden Bayes ağ yapısı öğrenilmiş ve geliştirilen yeni sezgisel yöntemin ağ üzerinde uygulanması ile oluşturulacak nihai Bayes ağı için değişken seçimi yapılmıştır. Değişken seçimi için geliştirilen sezgisel yöntem ile elde edilen ağ performansı, literatürdeki Sj skorunun performansı ile karşılaştırılmıştır. Oluşturulan Bayes ağı üzerinde durum ve duyarlılık analizleri yapılmış, olası senaryolar incelenmiş ve belirlenen hedef değişkeni en çok etkileyen değişkenler tespit edilmiştir. Değişkenler ile birlikte müşteri sınıflandırmasının da yer aldığı bir ağ oluşturulmuştur. Bu ağa karar ve fayda düğümlerinin eklenmesi ile etki diyagramı oluşturulmuş ve etki diyagramı üzerinde analizler yapılmıştır.

Özet (Çeviri)

The purpose of this study is to illustrate the working mechanism of decision trees, Bayesian networks and influence diagrams and to provide a comparison for the use of these three methods in different problem settings. In this context, a new heuristic for variable selection in Bayesian networks is developed in this research.To demonstrate the analysis conducted in this study the open data set provided by the University of California website is used. This data set includes the information of customers for a bank loan application. The efficiency of the developed heuristic in this research is illustrated via the use of this data set. In the application part of the thessis first a decision tree is learned from the data set and the customer classification is made using the data set. Afterwards the Bayes net structure is learned from data and by applying the newly developed heuristic on this Bayesian net the variable selection for the final Bayesian net is conducted. The performance of the final Bayesian network created using the variable selection proposed by the new heuristic is compared to the performance of the Sj score from the literature. Scenario and sensitivity analysis are conducted in the Bayesian network created, possible scenarios are investigated and the variables effecting the target variable at most have been identified. This network is transformed into an influence diagram by adding the decision and utility nodes and analysis are performed on this influence diagram.

Benzer Tezler

  1. Açıköğretim öğrencilerinin okul terkine etki eden faktörlerin veri madenciliği ile keşfi

    Predicting the factors affecting school dropout in open and distance education students by using data mining

    SELMA TOSUN

    Doktora

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. DİLARA BAKAN KALAYCIOĞLU

  2. Makine öğrenmesi yöntemleri ile ortaokul öğrenci başarılarının tespiti ve bir uygulama

    Determination of secondary school students achievements with machine learning methods and an application

    SUAT ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Eğitim ve Öğretimİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM EROL

  3. Yeraltı madencilik sektörü mesleki güvenlik risk analizi

    Occupational safety risk analysis in underground mining sector

    FATMA YAŞLI

    Doktora

    Türkçe

    Türkçe

    2020

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜR BERSAM BOLAT

  4. Bilişim sektöründe finansal başarısızlığın makine öğrenmesi yöntemleri ile tahmini

    Prediction of financial failure in informatics sector with machine learning methods

    FATİH ATEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Ekonomiİskenderun Teknik Üniversitesi

    Ekonomi Finans Ana Bilim Dalı

    DOÇ. DR. EMİNE UÇAR

    DR. ÖĞR. ÜYESİ İSA KILIÇ

  5. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR