A Learning-Based Demand Classification Services with Using XGBoost in Institutional Area
Kurumsal Alanda XGBoost ile Öğrenme-Tabanlı Talep Sınıflandırma Servisi
- Tez No: 563821
- Danışmanlar: DOÇ. DR. TOLGA AYAV
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, metin-tabanlı, uyarlanabilir bir programlama arayüzüne sahip; veri sınıflandırma servisi geliştirme aşamalarını ve çalışmada takip edilen metodolojiyi konu alır. Çalışmada, başarılı sınıflandırma algoritmalarından biri olan XGBoost tercih edilmiştir. Çalışmada kullandığımız veri kümesi, bilgilerini anonimleştirdiğimiz bir şirketin; 'Dijital İş Takip Uygulaması' aracılığı ile elde edilmiştir. Veri seti farklı sınıflandırma algoritmaları ile de test edilmiş ve detaylı performans değerlendirmeleri yapılmıştır. Sonuç olarak, testlerimizde en yüksek doğruluk oranı, XGBoost algoritması ile geliştirdiğimiz veri sınıflandırma servisi ile elde edildi.
Özet (Çeviri)
This study, purposes to explain the development stages and methodology of data classification service that has a text-based adaptable programming interface. One of the successful classification algorithms, XGBoost, was preferred in the study. The dataset that is used in the study obtained by 'Digital Business Tracking Application' of a name anonymized company. The dataset is tested by using different classification algorithms and detailed performance evaluation was conducted. As a result, highest accuracy rate is obtained with 'Data Classification Service' which was developed by using XGBoost algorithm.
Benzer Tezler
- Meta öğrenme modeliyle şehirlerin 15 dakikalık şehir kavramına olan uyumlarının değerlendirilmesi: istanbul örneği
Assessment of urban compliance with the 15-minute city concept through a meta-learning model: the case of İstanbul
AYDIN FURKAN TERZİ
Yüksek Lisans
Türkçe
2025
İstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
İstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- InSAR ve makine öğrenmesi yöntemleri kullanılarak yüzey hareketlerinin zaman serileri ile modellenmesi: İstanbul Havalimanı örneği
Time series modeling of surface movements using InSAR and machine learning methods: The case study of Istanbul Airport
NUR YAĞMUR
- A support vector machine-based approach for southbound communication detection in SDN using openflow
Openflow kullanarak SDN'de güney yönlü iletişim tespiti için destek vektör makinesi tabanlı bir yaklaşım
ALİ GÖKHAN AVRAN
Yüksek Lisans
İngilizce
2024
İstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Sakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...