A mixed-integer programming approach to example-dependent cost-sensitive learning
Örneklere-bağlı maliyet-duyarlı öğrenmeye karışık tamsayı doğrusal programlama yaklaşımı
- Tez No: 668053
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Bu araştırmada, etiketleme kararlarına göre değişen maliyetler/getiriler alan, örneklere- bağlı maliyet-duyarlı öğrenmeyi inceliyoruz. Karar verme modelleriyle ortaya çıkan bu tip problemler, veride doğru etiket bilgisinden çok maliyet/getiri bilgilerinin odaklandığı alanlarda ayırt edilir. Örneğin, müşteri kaybı tahmininde ve kredi puanlamasında birincil amaç, yanlış sınıflandırma hatasını en aza indiren tahmin modelleri oluşturmaktır. Daha sonra, modelin çıktıları maliyetleri/getirileri en aza indiren/maksimize eden kararlar almak için kullanılır. Diğer bir değişle, tahmin etme ve karar verme, yerel optimal çözümlere yol açabilen iki ayrı yöntem olarak görülür. Bu tür sorunları çözmek için, örneklere-bağlı maliyetleri/getirileri bir öğrenme algoritmasına dahil etmek için genel bir strateji öneriyoruz. Spesifik olarak, öğrenme problemi toplam getirileri maksimuma çıkarmak amacıyla tamsayı karışık doğrusal programlama olarak formüle edilmiştir. Karışık tamsayı doğrusal programlama problemlerinin yüksek hesaplama karmaşıklığı göz önüne alındığında, bu model büyük ölçekli veri kümeleri üzerinde eğitim için pratikte verimsiz olabilir. Bunu ele almak için, gradyan azalma merkezli eniyilemeden fayda sağlayan ve formüle edilen doğrusal modele doğrusal olmayan yaklaşım sunan Maliyet-Duyarlı Lojistik Regresyon modelini de ileri sürüyoruz. Deneysel sonuçlarımız, önerilen yaklaşımların geleneksel öğrenme yaklaşımlarına kıyasla daha iyi toplam getiri sağladığını göstermektedir. Ayrıca, Maliyet-Duyarlı Lojistik Regresyon modelinden alınan başlangıç çözümleri tamsayı karışık doğrusal program modeline verildiğinde, tamsayı karışık doğrusal program çözücüsünün eniyileme performansının geliştirilebilir olduğunu da gösteriyoruz.
Özet (Çeviri)
In this research, we study example-dependent cost-sensitive learning that brings about varying costs/returns based on the labeling decisions. Originating from decision-making models, these problems are distinguished in areas where cost/return information in data is focal, instead of the true labels. For example, in churn prediction and credit scoring, the primary aim is to build predictive models that minimize the misclassification error. Then, the outputs of the model are used to make decisions to minimize/maximize the costs/returns. In other words, prediction and decision making are considered as two separate tasks which may provide local optimal solutions. To resolve such problems, we propose a general strategy to incorporate instance-based costs/returns in a learning algorithm. Specifically, the learning problem is formulated as a mixed-integer program to maximize the total return. Given the high computational complexity of the mixed-integer linear programming problems, this model can be practically inefficient for training on large-scale data sets. To address this, we also propose Cost-sensitive Logistic Regression, a nonlinear approximation of the formulated linear model, which benefits from gradient descent based optimization. Our experimental results show that the proposed approaches provide better total returns compared to traditional learning approaches. Moreover, we show that the optimization performance of the mixed-integer programming solver can be enhanced by providing initial solutions from Cost-sensitive Logistic Regression to the mixed-integer programming model.
Benzer Tezler
- Geri kazanımlı kapalı çevrim tedarik zinciri için dağıtım planlama
Distributon planning of a closed-loop supply chain with product recovery
İREM OTAY
Doktora
Türkçe
2015
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- A mixed decision making model / methodology for digital transformation as a roadmap for automotive supplier industry
Türk otomotiv yan sanayisinin dijital dönüşümüne bir yol haritası olarak karışık karar verme modeli
HASAN ERBAY
Yüksek Lisans
İngilizce
2018
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- A new mathematical programming formulation for multivariate regression clustering with a store clustering application in retail sector
Başlık çevirisi yok
ALPER ALTINOY
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiLojistik ve Finansman Yönetimi Ana Bilim Dalı
DOÇ. DR. MEVLÜDE EBRU ANGÜN
- A mixed-integer programming approach to multi-class data classification problem
Çok sınıflı veri sınıflandırma probleminin tam sayı karışık programlama metodu ile çözülmesi
FADİME YÜKSEKTEPE ÜNEY
Yüksek Lisans
İngilizce
2005
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. METİN TÜRKAY
- A mixed-integer programming approach to the clustering problem with an application in customer segmentation
Tam sayılı karma programlama ile kümeleme probleminin modellenmesi ve bir müşteri segmentasyonu uygulaması
BURCU SAĞLAM
Yüksek Lisans
İngilizce
2005
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. METİN TÜRKAY