K-En Yakın Komşu Algoritması ile ekonomik özgürlük endeksinin tahmin edilmesi: OECD ülkelerinde örnek uygulama
Prediction of economic freedom categories of OECD countries using the K-Nearest Neighbor Algorithm
- Tez No: 630010
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇİĞDEM ÖZARI
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: OECD, İthalat, İhracat, İşsizlik, Enflasyon, K-NN Algoritması, İndeks, Ekonomik İndeks, OECD, Import, Export, Unemployment, Inflation, Index, Economic Index
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: 66
Özet
Çalışmamda Türkiye'nin de yer aldığı toplam 36 OECD ülkesinin 2017 yılı ekonomik özgürlük endeks kategorilerinin, en çok kullanılan sınıflandırma algoritmalarından biri olan k-NN (K-En Yakın Komşu) algoritması yardımı ile 2016 yılı makroekonomik göstergeler kullanılarak tahmin edilmesi amaçlanmıştır. Bu bağlamda ekonomik özgürlük endeksi ile dört temel makro ekonomik değişkenden (ithalat, ihracat, işsizlik, enflasyon) yararlanılmıştır. Çalışmada öncelikle farklı k değerleri için, verilerin hedeflenen (tahmin edilmek istenen) veriye olan uzakları hesaplanıp, belirlenen uzaklıklar küçükten büyüğe doğru dizilip en yakın uzaklığa bağlı olarak komşuluklar belirlenmiştir. Uzaklığa en küçük olan veri 1. komşu, en büyük olan veri n. komşu (n ise toplam veri sayısı) olarak belirlenmiştir. Bu bağlamda k tane en yakın komşu sınıfları (kategorileri) toplanıp ardından en uygun komşu kategorisine ulaşılmıştır. Bir başka ifade ile bu değişkenler ve ekonomik özgürlük puanları yardımıyla farklı k değerleri ile hesaplanan analiz doğrultusunda OECD ülkelerinin 2017 yılına ait ekonomik özgürlük kategorileri tahmin edilerek gerçek kategorileriyle karşılaştırılmıştır. Bunlara ek olarak k-NN algoritması ve ekonomik özgürlükler ile ilgili geçmiş yıllara ait literatür taraması yapılmıştır. Çalışmadan elde edilen bulgulara göre; yedi ülkede (Belçika, Almanya, Letonya, Lüksemburg, Norveç, İspanya ve Türkiye) tüm k değerleri için algoritmanın doğru tahmin ettiği ve iki ülkede (Yunanistan ve Slovenya) da tüm k değerleri için yanlış tahminde bulunduğu çalışmanın en önemli bulguları arasındadır. Belirlenen k değerlerinden örnek olarak k=1 değeri için %80,5 oranında başarı sağlandığı gözlemlenmiştir.
Özet (Çeviri)
This study is to predict 2017 economic freedom index categories of 36 OECD countries including Turkey by the help of k-nearest neighbor (k-NN) algorithm using the data for 2016. For this purpose, four basic macro-economic indicators (import, export, unemployment and inflation) and economic freedom scores were used. In other words, with the help of analysis implemented with these variables, the economic freedom categories of 36 OECD countries were predicted for the year 2017. In this study, which uses one of the classification methods, the k-NN algorithm, evaluations were made for different k values to measure the sensitivity of k parameter. In this study, first the distances of each data to the predicted data were calculated for different k values, the determined distances were arranged from nearest to farthest, and the neighborhoods were determined based on the closest distance. Data with the nearest distance is labeled as 1. neighbor, data with the farthest distance is labeled as the n. neighbor (n is the total number of data). In this context, k closest neighbor classes (categories) were collected and then the most suitable neighbor category is predicted. In other words, by the help of k-NN algorithm for different k values with macro-economic variables and economic freedom scores, the economic freedom categories of OECD countries for 2017 were estimated and compared with their real categories. In addition to these, a literature review of the previous years related to the k-NN algorithm and economic freedoms has been done. According to the findings obtained from the study; algorithm made the correct prediction for the seven countries (Belgium, Germany, Latvia, Luxembourg, Norway, Spain and Turkey). In addition, algorithm did not make the correct prediction for two countries such as Greece and Slovenia. One of the most interesting discoveries in this study that 80.5% success was achieved for k = 1 value.
Benzer Tezler
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL
- Yapay zeka teknikleri kullanılarak pirinç çeşitlerinin sınıflandırılması
Classification of rice varieties using artificial intelligence techniques
İLKAY ÇINAR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
- Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi
Classification of sunn pests using sound processing methods and an embedded system realization
BİLGİ GÖRKEM YAZGAÇ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- İstanbul metro hatları için makine öğrenmesi ile yolcu sayılarının tahminlenmesi
Prediction of passenger numbers with machine learning for istanbul metro lines
MURAT EREN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN SİPAHİOĞLU
- Pirinç çeltiğinin çekilmesi sonucu elde edilen pirinç tanelerinin sınıflandırılması işleminin makine öğrenmesi ile gerçekleştirilmesi
Classification of rice grains obtained from processed rice paddy with machine learning
KIVANÇ ERMEYDAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTarsus Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İREM ERSÖZ KAYA