Geri Dön

Makine öğrenmesi algoritmaları ile Avrupa havalimanları analizi

European airports analysis using machine learning algorithms

PDF İndir

  1. Tez No: 634210
  2. Yazar: AHMET ARİF ÇOLAKOĞLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN KOÇAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Sayısal Yöntemler Bilim Dalı
  13. Sayfa Sayısı: 159

Özet

Bu çalışma, son yıllarda Türkiye'de ve Dünya'da artan havacılık faaliyetleri göz önüne alınarak her geçen gün sayıları katlanarak artan havalimanlarının daha iyi bir şekilde analiz edilmesi ihtiyacından doğmuştur. Türkiye ve Avrupa havalimanları baz alınarak oluşturulan veri seti kullanılarak makine öğrenmesi gözetmeli ve gözetmesiz öğrenme teknikleri ile Microsoft Azure Machine Learning (ML) Studio üzerinde iki farklı uygulama yapılmıştır. İlk olarak gözetmesiz öğrenme uygulamasında K-Ortalamalar algoritması ile benzer havalimanlarını tespit etmek amacıyla kümeleme yapılmıştır. Optimum küme sayısını belirlemek için Azure ML Studio ve Kaggle online platformlarında Python ve R programlama dilleri ile Simplified Silhouette, Davies Bouldin, Dunn, Average Deviation, Elbow grafik metodundan ve R kütüphanesinin barındırdığı NbClust fonksiyonunun sağladığı 30 farklı metrikten yararlanılmıştır. İkinci olarak gözetmeli öğrenme uygulamasında havalimanı taşınan yolcu sayıları tahmini gerçekleştirilmiştir. Burada Lineer Regresyon, Bayesyen Lineer Regresyon, Karar Ormanı Regresyonu, Artırılmış Karar Ağacı Regresyonu ve Poisson Regresyon algoritmalarından faydalanılmıştır. Ortaya çıkan sonuçlar Ortalama Mutlak Hata, Kök Ortalama Kare Hatası, Bağıl Mutlak Hata, Bağıl Kare Hatası ve Belirlilik Katsayısı metrikleri kullanılarak değerlendirilmiştir.

Özet (Çeviri)

This study has been arisen to analyse the airports, with incrementally increasing numbers, in a better way considering the constantly improving aviation operations in the world. Two different applications were implemented on the Azure ML Studio Platform employing supervised and unsupervised machine learning techniques as well as using the dataset based on the airports located in Turkey and Europe. Firstly, in the unsupervised learning application, clustering was performed with the K-Means algorithm to determine similar airports. In order to determine the optimum number of clusters, 30 different metrics provided by NbClust function found in R library, and Simplified Silhouette, Davies Bouldin, Dunn, Average Deviation and Elbow graphics method as well as Python and R programming languages on Azure ML Studio and Kaggle platforms were employed. Secondly, in the supervised learning application, the number of passengers carried at the airports were estimated. Therefore, linear Regression, Bayesian Linear Regression, Decision Forest Regression, Boosted Decision Tree Regression, and Poisson Regression were utilized. The results were evaluated using Mean Absolute Error, Root Mean Squared Error, Relative Absolute Error, Relative Squared Error, and Coefficient of Determination.

Benzer Tezler

  1. Tez No

    828572

    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

    Doktora

    Türkçe

    Türkçe

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

    PROF. DR. ERDAL ŞAFAK

  2. Tez No

    756031

    Privacy-preserving techniques and machine learning for critical systems

    Kritik sistemler için mahremiyet koruyucu teknikler ve makine öğrenmesi

    ZÜMRÜT MÜFTÜOĞLU

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  3. Tez No

    518224

    Diyabet hastalığının makine öğrenmesi algoritmaları ile en iyi doğru tahmininin elde edilmesi

    Obtaining the best prediction with the machine learning algorithms of the diabetes

    GİZEM OĞUZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN ERBAY

  4. Tez No

    856705

    Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi

    Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data

    EREN POLATCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. HAYRİ HAKAN DENLİ

  5. Tez No

    853951

    E-ticaret verisi kullanılarak makine öğrenmesi algoritmalarının karşılaştırılması

    Comparison of machine learning algorithms using e-commerce data

    MELİSA GEYİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Yönetim Bilişim SistemleriBandırma Onyedi Eylül Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP ÖZER

Geri Dön