Comparison of predictive performances of logistic regression and decision tree algorithms: An application of life satisfaction
Lojistik regresyon ve karar ağacı algoritmalarının tahmin edici performanslarının karşılaştırılması: Yaşam memnuniyeti uygulaması
- Tez No: 691012
- Danışmanlar: DOÇ. DR. ÖZGÜL VUPA ÇİLENGİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 111
Özet
Makine öğrenimindeki karar ağacı algoritmaları ve regresyon, veri sınıfları oluşturur. Değişkenler arasındaki ilişkiler modellenir. Karar ağaçları, eğitim verilerini kullanarak sınıflandırma kuralları oluşturur. Ayrıca bu kuralları test verileri üzerinde test eder. Böylece karar ağacı algoritmanın başarısını belirler. Lojistik regresyonda oluşturulan model ile sınıflandırma oluşturulur ve sınıflandırma performansı bulunur. Bu yöntemlerin yorumlanması kolaydır. Büyük veri kümelerine kolayca uygulanır. Varsayımların olmaması nedeniyle birçok farklı alanda kullanılmaktadır. Yaşam memnuniyeti kavramının bir parçası olan memnuniyet, ihtiyaçların, arzuların ve isteklerin karşılanmasıdır. Yaşam memnuniyeti, bir kişinin tüm yaşamıyla ilgilenir. Yaşam memnuniyeti, bireylerin kendi yaşam kalıpları ve standartları ile ilişkili süreçler bütünüdür. Bu çalışmanın amacı, Türkiye İstatistik Kurumu (TÜİK) tarafından 2017 yılı için elde edilen yaşam memnuniyeti verilerini (n=8430) kullanarak lojistik regresyon yöntemi ve karar ağacı algoritmaları (CART, CHAID, QUEST) tahmin edicilerinin performanslarını karşılaştırmaktır. Bu çalışmada performans karşılaştırmaları (doğruluk, duyarlılık, seçicilik, kesinlik, F-puanı) yapılmış ve yaşam memnuniyeti kavramını en iyi açıklayan modelin QUEST algoritması olduğu bulunmuştur.
Özet (Çeviri)
Decision tree algorithms and regression in machine learning create classes of data. Relationships between variables are modeled. Decision trees create classification rules using training data. They also test these rules on test data. Thus, the decision tree determines the success of the algorithm. With the model created in logistic regression, classification is created and classification performance is found. These methods are easy to interpret. They are easily applied to large data sets. They are used in many different fields due to the lack of assumptions. Satisfaction, which is a part of the concept of life satisfaction, is the fulfillment of needs, desires and wishes. Life satisfaction deals with a person's entire life. Life satisfaction is the whole of processes related to individuals' own life patterns and standards. The aim of this study is to compare the performances of logistic regression method and decision tree algorithms (CART, CHAID, QUEST) estimators using life satisfaction data (n = 8430) obtained by the Turkish Statistical Institute (TURKSTAT) for the year 2017. In this study, performance comparisons (accuracy, sensitivity, selectivity, precision, F-score) were made and it was found that the model that best explains the concept of life satisfaction is the QUEST algorithm.
Benzer Tezler
- Karar ağaçları ile lojistik regresyon analizinin performanslarının simülasyon çalışması ile karşılaştırılması
Comparison of decision trees and logistic regression analysis performances by a simulation study
MEHMET KARADAĞ
Yüksek Lisans
Türkçe
2014
BiyoistatistikTrakya ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. NECDET SÜT
- Ses iletim hızıyla akciğer hastalıklarının teşhisinde makine öğrenimi yöntemlerinin performanslarının karşılaştırılması
Comparison of the performances of machine learning methods in the diagnosis of pulmonary diseases with a voice transmission speed
HÜSEYİN CANDAN
Yüksek Lisans
Türkçe
2019
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. MEHMET NURULLAH ORMAN
- Makine öğrenmesinde ayrık öbekleme ve sınıflandırma algoritmaları
Discrete clustering and classifications in machine learning
KEREM KABİL
Yüksek Lisans
Türkçe
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATABEY KAYGUN
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Predictive maintenance analysis for industries
Endüstriler için öngörücü bakım analizi
SELİN SÜNETÇİOĞLU
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER ARSAN