Makine öğrenmesi yöntemleri ile vakıf üniversiteleri doluluk tahminlemesi
Foundation universities occupancy estimation through machine learning methods
- Tez No: 391583
- Danışmanlar: PROF. DR. İBRAHİM DOĞAN
- Tez Türü: Doktora
- Konular: Ekonometri, Eğitim ve Öğretim, Econometrics, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Yöneylem Araştırması Bilim Dalı
- Sayfa Sayısı: 159
Özet
Bu çalışmada makine öğrenmesinin sınıflandırma yöntemlerinden destek vektör makineleri ve k-en yakın komşu algoritması incelenmiştir. Bu yöntemler kullanılarak vakıf üniversitelerinin izleyen yıl ya da yıllarda kontenjanlarını doldurup doldurmayacağının tahmin başarısı araştırılmıştır. Araştırmada kullanılan veri seti, Ekim 2012 – Şubat 2013 tarihleri arasında İstanbul ilinde faaliyet gösteren ve fakültelerinde işletme bölümü bulunan vakıf üniversitelerini kapsamaktadır. Bu kapsamda 22 vakıf üniversitesine ait 32 öznitelik kullanılmıştır. Veri seti, öznitelik seçimi öncesi ve sonrası olmak üzere ayrılmıştır. Bu seçim asgari gereksizlik-azami ilişkisellik (mRMR) yöntemi kullanılarak yapılmıştır. Sınıflandırma performansları birini dışarıda bırakma ve k-katlı çapraz geçerleme yöntemleriyle değerlendirilmiş, destek vektör makineleri ile elde edilen sonuçlar k-en yakın komşu algoritması ile karşılaştırılmıştır.Bu çalışmada, destek vektör makineleri ve k-en yakın komşu algoritmasının kontenjan doluluğunun tahmin edilmesinde tutarlı ve tahmin gücü yüksek, tatmin edici sonuçlar verdiği görülmüştür.
Özet (Çeviri)
In this study, support vector machine and algorithm of the k-nearest neighbor, which are methods of classification process of the machine learning, have been studied. By using these methods, the success of the filling quotas for the foundation universities has been searched for the future years. The data set used in the research includes the İstanbul located foundation universities which have business administration departments in their faculties between the dates October 2012 and February 2013. The study focuses on 32 features which belong to 22 foundation universities. The data set has been divided into two categories as pre and post feature selection. This selection has been applied by the minimum-redundancy maximum-relevance (mRMR) method. Classification performances have been evaluated by the methods of leave one-out and K-fold cross validation,the results reached with the support vector machines have been compared with the algorithm of k-nearest neighbor. The results of this study have revealed that support vector machine and algorithm of the k-nearest neighbor methods are consistent and successful in giving high prediction rate in terms of filling quotas of the foundation universities.
Benzer Tezler
- Determining graduate level university selection criteria weights using interval type-2 fuzzy ahp
Lisansüstü seviyesinde üniversite seçim kriterleri ağırlıklarının aralıklı tip-2 bulanık ahs ile hesaplanması
ZEYNEP BURCU KIZILKAN DEMİR
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BAŞAR ÖZTAYŞİ
- Ayrıştırım tabanlı yöntemler ile medikal görüntülerin sınıflandırılması
Classification of medical images with decomposition based methods
FURKAN EREN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP GÜNDOĞAR
- Bulut bilişim sistemlerinde eşle/indirge yöntemi uygulanarak veri madenciliği yazılım çatısının geliştirilmesi
Development of data mining software framework by using map/reduce method in cloud computing systems
FERHAT ÖZGÜR ÇATAK
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. MEHMET ERDAL BALABAN
- Kenar bilişim için siber saldırıları tespit ve önleme yöntemleri
Cyber attack detection and prevention methods for edge computing
EBU YUSUF GÜVEN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ YILMAZ ÇAMURCU
- Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi
Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms
KEMAL ZENCİRLİ
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ÖMER SELİM YILDIRIM
DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN