Geri Dön

Rastgele ormanlar yöntemi ile özellik seçimi kullanılarak van ilinde yaşayanların trafikte algı ve tutumlarının belirlenmesi

Determining the perception and attitude of the van lives in the traffic by using the feature selection by the random forest method

  1. Tez No: 675982
  2. Yazar: VEDAT GÖRGÜLÜ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SANEM ŞEHRİBANOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 104

Özet

Bu tez çalışmasında, Van ilinde yaşayanların trafik algı ve tutumlarını ölçmek amacıyla Rastgele Orman yöntemi uygulanmıştır. 2015 ile 2018 yıllarında Van ilinde yaşayanlara yönelik uygulanan anket çalışmasına katılan 773 adet katılımcıya ilişkin bilgiler kullanılarak Rastgele Ormanlar yöntemi ile öncelikle sınıflandırma işlemi yapılarak performans ölçütleri açıklanmıştır. Sonrasında bağımlı değişken ile kuramsal ilişkisi olduğu düşünülen 41 adet bağımsız değişkenin önemlerine göre özellik seçimi işlemi yapılmıştır. Bu çalışmada, bağımlı değişken olarak anketin içerisinde yer alan“Trafik kurallarına harfi harfine uyarım”,“Trafik kurallarının araba kullanma zevkini yok ettiğine inanıyorum”ve“Hız limitini 10-15 km/saat aşmakta sorun yoktur çünkü bunu herkes yapıyor”soruları birbirlerinden bağımsız olarak sırasıyla seçilerek katılımcıların verdikleri cevaplar üzerinden sınıflandırma işlemi uygulanmıştır. İlk olarak sınıflama işleminde baz alacağımız iki adet parametre olan Ağaç Sayısı ile Maksimum Değişken sayısı parametreleri önce tablo ve grafikler üzerinden ayrı ayrı, ardından hiperparametre optimizasyonu ile iki farklı şekilde hesaplanmıştır. Sonrasında sınıflandırma modeline ait Doğruluk yüzdesi, F-puanı, ROC eğrisi altında kalan alan (AUC değeri) hesaplanarak modelin başarı ve güvenilirlik ölçüsü hesaplanmıştır. Son olarak Kappa değerleri üzerinden sınıflar arasındaki uyumu ölçme işlemi uygulanmış olup bağımlı değişkenlerin her birinin ayrı ayrı olarak sınıflama performanslarını belirlemede önemi en yüksek olan bağımsız değişkenler arasından özellik seçimi işlemi yapılarak bağımlı değişken ile arasındaki ilişki yorumlanmıştır.

Özet (Çeviri)

In this thesis, the Random Forest method was applied in order to measures traffic perception and attitude of people living in Van province. Using the information about 773 workers who participated in the questionnaire participant conducted for those living in Van in 2015 and 2018, the Random Forest was firstly classified and performance criteria were explained. After that, features were selected according to the importance of 41 independent variables, which were thought to have a theoretical relationship with the dependent variable. In this study, the questions of“I strictly obey traffic rules”,“I believe that traffic rules destroy the pleasure of driving”and“It is okay to exceed the speed limit of 10-15 km/hour because everyone does it”, which are included in the questionnaires independently. The classification process was applied based on the answers given by the participants by selecting them in order. Firstly, the two parameters that we will take as basis in the classification process, Number of Trees and Maximum Number of Variables, were calculated separately over tables and graphs, after that then in two different ways with hyperparameter optimization. Afterwards, the Accuracy percentage, F-score, area under the ROC curve (AUC value) of the classification model were calculated and the success and reliability measures of the model was calculated. Finally, the process of measuring the fit between the classes through Kappa values was applied and the relationship between the dependent variable was interpreted by feature selection the independent variables that have the highest importance in determining the classification performance of each of the dependent variables separately.

Benzer Tezler

  1. Early warning model with machine learning for Turkish Insurance Sector

    Türk Sigorta Sektörü için makine öğrenimi ile erken uyarı modeli

    GÜNAY BURAK KOÇER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Aktüerya BilimleriOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı

    PROF. DR. AYŞE SEVTAP KESTEL

  2. Using data mining for analyzing effects of biomarkers on decision of depression levels

    Bioişaretlerin depresyon düzeyine karar vermedeki etkisinin veri madenciliği kullanarak analizi

    RAHMİ KAVAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SELMA AYŞE ÖZEL

  3. Telematik verilerine dayalı sürücü sınıflandırma ve uyarı sistemi

    Driver classification and alert system based on telematics data

    SİNAN DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiEge Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDOĞAN SAVRAN

  4. Optimization of deep neural network architectures for the forest fire detection

    Orman yangini tespitinde derin sinir aği mimarilerinin optimizasyonu

    BERRİN SAVDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜŞTAK ERHAN YALÇIN

    PROF. DR. HAZIM KEMAL EKENEL

  5. Topluluk sınıflandırıcıları ve özellik seçme metotlarıyla geliştirilen uzay ormanları

    Improved space forests with an ensemble of classifiers and feature selection methods

    ZEYNEP HİLAL KİLİMCİ

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVİNÇ İLHAN OMURCA