Geri Dön

Makine öğrenmesi sınıflandırma algoritmalarının incelenmesi

Investigation of machine learning classification algorithms

  1. Tez No: 542144
  2. Yazar: ADEM KÜRŞAT KESKİN
  3. Danışmanlar: DOÇ. DR. BİLAL BARIŞ ALKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Sınıflandırma Algoritmaları, Makine Öğrenme, Büyük Veri, Classification Algorithms, Machine Learning, Big Data
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Sinop Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 42

Özet

Bu çalışmada, literatürde her birinin kendi içinde karmaşık bir teoriye sahip oldukları görülen, Karar Ağacı, Naive Bayes, Rastgele Orman ve K-en yakın komşu sınıflandırma algoritmalarının R programında yazılan kodlar yardımıyla, farklı veri tiplerine uygulanması ile daha anlaşılır ve açık bir şekilde sunulması hedeflenmektedir. Ayrıca gerçek bir veri kümesi üzerinden, son dönemlerde makine öğrenmesi yöntemleri için son kullanıcı dostu yeniliklerle ön plana çıkan KNIME programı yardımıyla yukarıda bahsedilen dört makine öğrenme sınıflandırma algoritmasının bir performans karşılaştırması yapılmıştır. Çalışmanın birinci bölümünde, konuya giriş yapılmış olup, ikinci bölümde ise büyük veri, makine öğrenmesi, performans değerlendirme yöntemleri, sınıflandırma ve sınıflandırma başarı ölçüleri hakkında temel kavramlardan bahsedilmiştir. Daha sonraki bölümlerde sırasıyla, Karar Ağacı, Naive Bayes, Rastgele Orman ve K-en yakın komşu sınıflandırma algoritmaları için gerekli matematiksel kavramlar verilmekte ve bu yöntemlerin kullanımının önemi vurgulanmaktadır. Çalışmanın dördüncü bölümünde ise farklı veri tipleri kullanılarak önceki bölümlerde ele alınan sınıflandırma algoritmalarının R programı uygulamalarına ve KNIME programı ile analiz edilen gerçek bir veri kümesi üzerinden bir performans karşılaştırması uygulamasına yer verilmektedir. Son bölümde ise çalışmadan elde edilen sonuçlar tartışılacaktır.

Özet (Çeviri)

In this study, it is aimed to present in a clearer and clear with the application of Decision Tree, Naive Bayes, Random Forest and K-nearest neighboring classification algorithms which are seen to have a complex theory within the literature, to different data types with the help of codes written in R program. In addition, a performance comparison of the above-mentioned four machine learning classification algorithms has been made with the help of the KNIME program, which has recently come to the forefront with end-user-friendly innovations for machine learning methods over a real data set. In the first section of the study, an introduction was made and in the second part, basic concepts about big data, machine learning, performance evaluation methods, classification and classification success measures were mentioned. In the following chapters, mathematical concepts for Decision Tree, Naive Bayes, Random Forest and K-nearest neighboring classification algorithms are given and the importance of using these methods is emphasized. In the fourth part of the study, using different data types, R applications of classification algorithms discussed in previous chapters and a performance comparison in KNIME is made over a real dataset. In the last section, the results of the study are discussed.

Benzer Tezler

  1. Eğitim alanında makine öğrenimi sınıflandırma algoritmalarının incelenmesi

    Investigation of classification algorithms of machine learning in the field of education

    CANAY CAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Eğitim ve ÖğretimAkdeniz Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. HAKAN KOĞAR

  2. Land cover classification using cloud-based machine learning techniques: A case study from Istanbul Metropolitan City

    Bulut tabanlı makine öğrenmesi teknikleri kullanılarak arazi örtüsü sınıflandırması: İstanbul Metropol örneği

    ŞEVVAL DURMAZBİLEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Makine öğrenmesi teknikleri ile güncel tüik yaşam memnuniyeti anketlerinin incelenmesi

    Analyizing tsi life satisfaction research data with machine learning techniquies

    ADİL ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. İLHAN TARIMER

  4. Finansal teknoloji alanında kullanıcı deneyimlerinin makine öğrenmesi yöntemleri ile incelenmesi

    Examining user experiences in the field of financial technology with machine learning methods

    GİZEM ZENGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ERSOY ÖZ

  5. Kategorik değişken için makine öğrenmesi algoritmalarının performanslarının incelenmesi

    Başlık çevirisi yok

    İLKAY TUĞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İstatistikEskişehir Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. BETÜL KAN KILINÇ