Poverty level characterizations via feature selection and machine learning
Öznitelik seçimi ve makine öğrenmesi ile yoksulluk seviye karakterizasyonu
- Tez No: 600619
- Danışmanlar: PROF. DR. ÖMER NEZİH GEREK
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Elektrik ve Elektronik Mühendisliği, Economics, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yoksulluk karakterizasyonu, Yoksulluk ölçümü, Çok boyutlu yoksulluk, Öznitelik çıkarımı, Makine öğrenmesi, Poverty Characterization, Poverty Measurement, Poverty Identification, Multidimensional Poverty, Feature Extraction, Machine Learning
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Bilim Dalı
- Sayfa Sayısı: 54
Özet
Yoksulluk seviye tespiti hassas, güncel ve güvenilir sosyo-ekonomik hane halkı verisine ihtiyaç duymaktadır. Öte yandan çoğu gelişmekte olan ülkede gelir, tüketim, yaşam türü verilerin güvenilir olarak elde edilmesi zor ve pahalıdır. Bu tür veriler uzun ve detaylı anketler gerektirir. Gelişmekte olan ülkelerin bu tür veri elde etmelerindeki güçlük nedeniyle veri azdır; bu da hane halklarına yönelik iyileştirme politikalarını geliştirme aşamasında zorluklara neden olmaktadır. Zira, ekonomik karakteristiklerin hassas ölçümü toplum politikaları üretmek açısından elzemdir. Bu tür durumlarda makine öğrenmesi yaklaşımlarını ele almak son derece faydalı olabilir. Maalesef makine öğrenmesi algoritmaları genel olarak“kara kutu”formatında olup, gerçekleştirdiği öğrenmenin ve sınıflandırmanın hangi parametrelere ve özniteliklere dayandığı çoğunlukla belirsizdir. Detay vermek gerekirse; bir hanenin yoksul olarak categorize olmasına neden olan niteliklerin neler olduğu konusunda makine öğrenme yöntemleri doğrudan sonuç üretmemektedir. Bu nedenle, bu çalışmada yoksulluk konusuna sadece“gelirin belli seviyenin altında kalması”şeklindeki tek boyutlu yaklaşımı kullanmayarak, bunun yerine çok boyutlu bir perspektif ele alınmaktadır. Yöntemimizin uygulaması ve faydalı olup olmadığı Inter-Amerikan Gelişim Bankası tarafından Kaggle'a yüklenen Kosta Rika veri seti üzerinden değerlendirilmiştir.
Özet (Çeviri)
Targeting poverty requires access to accurate, timely and reliable quantitative data on socio-economic characteristics of households. However, in many developing countries, collecting accurate, timely, and reliable data on household characteristics is expensive, time-consuming, and unreliable, often requiring long and detailed surveys. Reliable data on economic status remain scarce in developing countries, hampering efforts to study these outcomes and to design appropriate policy responses to improve household welfare. In such situations machine learning algorithms can be of a great help. However, these models are normally designed in the form of black boxes; if the model is trained on a certain known data and predicted on unseen data, it doesn't give any information about the features that discriminate between classes. In other words, it is very tough to extract the features indicating that someone falls under specific category of poverty. Moreover, in poverty identification, measurement or classification, it is crucial to know how such features contribute to each class of poverty. Therefore, we designed an approach that extracts a subset of features that best characterize each poverty class, examines how this subset affect the chosen class and finally employ ensemble models to best classify between these classes. Through this approach we look at poverty from a multidimensional perspective contrary to a single dimension perspective defined as living on consumption expenditure of less than a predefined income threshold. The application and usefulness of our proposed framework is tested on a Costa Rican dataset collected from Kaggle website and provided by Inter-American Development Bank.
Benzer Tezler
- Bioprospection of antagonistic yeasts for biocontrolling postharvest pathogenic fungi and physicochemical characterization of a yeast exopolysaccharide
Patojenik küflerin hasat sonrasi biyolojik kontrolünde antagonistik mayalarin biyoprospeksiyonu ve bir maya ekzopolisakkaritinin fizikokimyasal karakterizasyonu
SEBAHAT ÖZTEKİN
Doktora
İngilizce
2023
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE FUNDA KARBANCIOĞLU GÜLER
- Energy poverty and the characteristics of energy-poor households in Turkey
Türkiye'de enerji yoksulluğu ve enerji fakiri hanehalklarının özellikleri
ZEHRA SENA KİBAR
Yüksek Lisans
İngilizce
2020
EkonometriBoğaziçi Üniversitesiİktisat (İngilizce) Ana Bilim Dalı
PROF. DR. BEGÜM ÖZKAYNAK
- Türkiye'de tarihsel çevrenin korunmasına ve turizme UNESCO dünya mirası kriterlerinin etkileri ve katkıları
Effects and contributions of UNESCO world heritage criteria to the protection of the historical environment and tourism in turkey
İRFAN ÖNAL
Yüksek Lisans
Türkçe
2023
ArkeolojiAnkara ÜniversitesiSosyal Çevre Bilimleri Ana Bilim Dalı
DOÇ. DR. SERDAR HAKAN ÖZTANER
- Hanehalkı yoksulluk düzeyinin makine öğrenmesi ve yapay sinir ağları ile tahmini: Türkiye örneği
Estimation of household poverty level via machine learning and artificial neural networks: The case of Türkiye
BEYZANUR ABACI
Yüksek Lisans
Türkçe
2024
MaliyeNecmettin Erbakan ÜniversitesiMaliye Ana Bilim Dalı
PROF. DR. ALTUĞ MURAT KÖKTAŞ
- Dünya Bankası'nın yoksulluk ve açlıkla mücadeledeki rolü, etkisi ve Türkiye örneği
Başlık çevirisi yok
AHMET ŞAFAK KUŞ
Yüksek Lisans
Türkçe
2019
Uluslararası İlişkilerİstanbul Gelişim ÜniversitesiSiyaset Bilimi ve Uluslararası İlişkiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH FUAT TUNCER