Geri Dön

Veri madenciliğinde modele dayalı kümeleme analizi

Model based cluster analysis in data mining

  1. Tez No: 482406
  2. Yazar: İSMET BİRBİÇER
  3. Danışmanlar: PROF. DR. ALİ İHSAN GENÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 112

Özet

Klasik analiz yöntemleri, büyük ölçekli verilere uygulandığında verimli sonuçlar elde edilememektedir. Bu sebeple veri madenciliği yöntemleri, çeşitli disiplinlerin ortak çalışmaları ile geliştirilmiştir. Veri madenciliğinin temel amaçlarından biri de verideki bilinmeyen grup yapısını belirlemektir. Kümeleme analizi verideki gruplanmayı belirlemeyi amaçlayan yöntemlerin genel adıdır. Bu yöntemlerden biri olan modele dayalı kümeleme analizi, sonlu karma modeller kullanarak veriyi kümelemektedir. Sonlu karma modellerin kümeleme analizinde kullanımı ile küme belirleme problemi istatistiksel modelleme problemine dönüştürülmüş olur. Bu tez çalışmasında modele dayalı kümeleme analizi incelenmiş. Bu yöntemin veri madenciliği uygulamaları gerçekleştirilmiş ve diğer yöntemlerle karşılaştırılması yapılmıştır.

Özet (Çeviri)

Classical analysis methods do not yield efficient results when applied to large scale datasets. For this reason, data mining methods have been developed through collective studies of various disciplines. One of the main purposes of data mining is to identify the unknown group structure on the dataset. Cluster analysis is the general name of methods that aim to determine the grouping on the dataset. One of these methods, which is model-based cluster analysis, is clustering dataset using finite mixture models. With the use of finite mixture models in the cluster analysis, the problem of cluster determination is transformed into statistical modeling problem. In this thesis, model-based clustering analysis is examined. Data mining applications of this method have been implemented and compared with other methods.

Benzer Tezler

  1. Veri madenciliği nde regresyon ağaçları ile sınıflandırma ve bir uygulama

    Classification with regression trees in data mining, and a appiication

    GÜLSER DONDURMACI

    Doktora

    Türkçe

    Türkçe

    2011

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. NALAN CİNEMRE

  2. Pazar bölümlendirmede GSP analizine dayalı bir modelleme çalışması

    A modeling study based on RFM analysis for market segmentation

    NERGİS KİRİŞÇİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. HURİYE ŞEBNEM BURNAZ

  3. Veri madenciliğine dayalı akıllı fon portföy optimizasyon sistemi

    Data mining based smart fund portfolio optimization system

    GÖRKEM SARIKAYA

    Doktora

    Türkçe

    Türkçe

    2016

    İşletmeBaşkent Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. NERMİN ÖZGÜLBAŞ

    DOÇ. DR. ALİ SERHAN KOYUNCUGİL

  4. Bulanık veri madenciliği ve sermaye piyasalarına uygulanması

    Fuzzy data mining and its application to capital markets

    ALİ SERHAN KOYUNCUGİL

    Doktora

    Türkçe

    Türkçe

    2006

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF.DR. ÖMER GEBİZLİOĞLU

  5. İlaç sektöründe dijital pazarlama faaliyetlerine yönelik CRM uygulamalarına dayalı kümeleme analizi ile müşteri segmentasyonu

    Customer segmentation with cluster analysis based on CRM applications for digital marketing activities in the pharmaceutical industry

    MİNE HIZLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. MEHMET AKSARAYLI