Veri madenciliği teknikleri ile konut fiyatı belirleme
House pricing with data mining techniques
- Tez No: 394494
- Danışmanlar: YRD. DOÇ. DR. TURHAN KARAGÜLER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Beykent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Çalışma, emlak sitesinden alınan bir veri tabanını kullanmaktadır. Burada amaç konut satmak isteyen mal sahibinin, emlakçının ve inşaat firmasının konut fiyatını belirlemesinde yardım önermektir. Tez içerisinde, veri tabanı tanıtılıp KNIME ve WEKA ile yapılan analizlerin sonuçları değerlendirilerek, karar ağacı çıkartılıp fiyat ile ilgili sonuçlar ve öneriler verilecektir. Tezde veri madenciliği teknikleri kullanarak ev satışlarında konut fiyatı aralıkları belirlenecektir. Bu işlem yapılırken çeşitli grafik analizlerden ve karar ağacından faydalanılmıştır. K-Means(K-Ortalama) ve Fuzzy C-Means(Bulanık C-Ortalama) algoritmalarını kullanarak kümeleme işlemi yapılmıştır. Daha sonra bu algoritmalardan elde edilen sonuçlar karar ağaçlarına sokularak emlak fiyatlarının belirlenmesinde etkili olan özellikler tespit edilmiştir. Sonrasında çıkan sonuçlar değerlendirilerek uygulama geliştirilmiştir. Bu sayede yeni girilen bir konutun alabileceği fiyat aralığı tespit edilebilmiştir.
Özet (Çeviri)
In this study a database from the real estate website has been used. The aim is to detect several important factors which will directly affect the price of housing. The organization of this work follows. First the database will be introduced, then the analyse results which are constructed by using KNIME and WEKA will be discussed and finally the prices predicted by the decision-trees will be analyzed. This work predicts price range of a housing by using the following steps. First various analyses are performed by using decision trees. Then clustering is performed by using K-means and Fuzzy C-means algorithms. Afterwards several important factors which affect housing prices are predicted and by using the results, the application is improved. Thus the application is now able to define the price range of any house.
Benzer Tezler
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Turizm sektöründe çevrimiçi müşteri değerlendirmelerinin veri madenciliği ve görüşme teknikleriyle incelenmesi
Investigation of online customer reviews with data mining and interview techniques in the tourism industry
TUĞBA ŞEN KÜPELİ
Doktora
Türkçe
2022
TurizmGazi ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. KURBAN ÜNLÜÖNEN
- Rasa chatbot integrated with natural language processing for apartment price prediction supported by web content mining
Web içeriği madenciliği tarafından desteklenen konut fiyat tahmini ile entegre edilen doğal dil işleme tabanlı rasa sohbet botu
SADİG HUSEYNLİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT ÖZEKES
- Enerji tüketim verileri kullanılarak tüketici davranışlarının analizi
Analysis of consumer behavior using energy consumption data
MERYEM BALTACI
- Tüketici davranışını etkileyen kişisel faktörlerin veri madenciliği teknikleri ile analizi: Kayseri örneği
Analysis of personal factors affecting consumer behavior by data mining techniques: Case of Kayseri
KAMİL ASLAN
Yüksek Lisans
Türkçe
2019
İşletmeNiğde Ömer Halisdemir Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESRİN CANPOLAT