Zaman Serileri Modelleri İçin Yeni Bir Performans Değerlendirme Yöntemi
A New Performance Evaluation Method For Time Series Models
- Tez No: 606697
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: KTO Karatay Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Bu tezde zaman serilerini tahmin etmeye yönelik geliştirilen modellerin başarısını ölçmede geleneksel metriklerin yetersizliğini tartışarak, yeni bir zaman serisi tahmini hata hesaplama tekniği ve model değerlendirme yöntemi önermekteyiz. Konvansiyonel hata hesaplama metriklerinin zaman serileri modellerinin değerlendirilmesinde yetersiz kalmasının en önemli nedenlerinden biri; tahmin için kullanılan modellerin, bir önceki zamanda gerçekleşen değeri bir sonraki dönemin tahmin değeri olarak aynen veya çok yakın vermesi durumunda MSE, RMSE ve AE gibi yaygın olarak kullanılan metriklerin, bu şekildeki bir yaklaşımın geleceği öngörme yetisinin çok sınırlı olmasına rağmen, güzel sonuçlar veriyor görünmesinde yatmaktadır. Biz, zaman serilerinin performansının klasik yaklaşımlarla elde edilen performans metriklerinin yanında, bu bahsettiğimiz naif ve etkisiz yaklaşıma uzak olması ölçüsünde değerlendirme gereğinden yola çıkarak ikili bir metrik ve model kıyaslama tekniği öneriyoruz. Bu çalışmada, hisse senetleri fiyatlarının tahmin edilmesinde LSTM, GRU, dense ve simpleRNN gibi standart katmanlarla oluşturulmuş derin öğrenme mimarilerinin yanısıra, kendi oluşturduğumuz melez mimarilerin tahmin güçlerini de hesapladık. Bu modeller içinde, kendi önerdiğimiz kıyaslama tekniğini kullanarak en iyi modelin hangisi olduğunu belirledik.
Özet (Çeviri)
In this thesis, we propose a new time series prediction error calculation technique and model assessment method. We discuss inadequacy of traditional metrics in evaluating success of predictive time series models. One naive but ineffective way of predicting the future is giving out today's realized values as tomorrow's prediction. However, conventional error metrics such as RMSE, MSE and AE etc. seem to give very good results when we employ this kind of a naive approach. Many new models based on machine learning techniques end up mimicking this incompetent behaviour, but earning high marks from conventional metrics. In addition to the performance metrics obtained by classical approaches for the performance of time series, we propose a new metric and model comparison technique, based on the need for an approach which is far from the naive and ineffective approach we have just mentioned. In this study, we calculated the predictive powers of LSTM, GRU, dense, simpleRNN and the hybrid layered architectures that we have created in addition to the standard deep learning architectures such as LSTM, GRU, dense and simpleRNN for estimating stock prices. Among these models, we determined the best model according to our suggested evaluation technique.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Catchment scaled drought analysis: Integrated climate and hydrological perspectives
Havza ölçeğinde kuraklık analizi: Entegre iklim ve hidrolojik perspektifleri
SAEED VAZIFEHKHAH
Doktora
İngilizce
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN KAHYA
- A comprehensive assessment on various impacts of climate change in Western Black Sea and Euphrates-Tigris basins, Turkey
Türkiye'nin Batı Karadeniz ve Dicle-Fırat havzalarında iklim değişikliğinin muhtelif tesirlerinin geniş kapsamlı değerlendirilmesi
MUSTAFA NURI BALOV
Doktora
İngilizce
2019
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Capacity analysis on multi-lane roundabouts: An evaluation with HCM 2010 capacity model
Çok şeritli döner kavşakların kapasite analizleri: HCM 2010 üzerine bir değerlendirme
MELİKE ERSOY
Yüksek Lisans
İngilizce
2012
Trafikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİLMİ BERK ÇELİKOĞLU
- nTreeClus: A model-based partitioning clustering of sequential data
nTreeClus: Sıralı verinin model tabanlı kümelenmesi
HADI JAHANSHAHI
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiAssist. Prof. Dr. MUSTAFA GÖKÇE BAYDOĞAN