Geri Dön

Veri zarflama analizi ve makine öğrenmesi metodlarından oluşan hibrit bir yöntem

A hybrid method consisting of data envelopment analysis and machine learning methods

  1. Tez No: 728069
  2. Yazar: CANBERK ARSLAN
  3. Danışmanlar: PROF. DR. İHSAN ALP
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Computer Engineering and Computer Science and Control, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 137

Özet

Çin'in Wuhan şehrinde 2019 yılının sonunda ortaya çıkan ve hava yolu ile bulaşan bir hastalık olan COVID – 19 dünya genelinde hızla yayılmıştır. Salgının yayılma miktarı ve hızından dolayı 11 Mart 2020 tarihinde Dünya Sağlık Örgütü tarafından pandemi olarak ilan edilmiştir. Ülkeler hem bulaşıcılığı kontrol altına almak hem de hastalığa yakalanan kişilere uygulanan tıbbi tedavilerin etkinliğini arttırmak amacıyla çeşitli stratejiler uygulamışlardır. Bu stratejilerin sonuçlarının değerlendirilmesi ise birçok çalışmanın ana konusu olmuştur. Veri Zarflama Analizi karar verme birimlerinin performanslarının karşılaştırılmasında güçlü bir teknik olduğundan bu çalışmalarda yaygın olarak kullanılmıştır. Ancak bu çalışmalarda karar verme birimlerinin homojenliğini sağlamak amacıyla değişkenlere nüfusa göre ölçeklendirme yapılması sonuçların tutarlılığını tehlikeye atmaktadır. Oluşan tutarsızlık, her ülkenin nüfus yoğunluğunun farklı olmasından kaynaklanmaktadır. Bu çalışmanın amacı nüfus yoğunluğu artışının bulaş ve ölüm oranına etkisini doğru olarak konumlandırarak Veri Zarflama Analizi'ndeki heterojenlik sorununun ortadan kaldırılması ve ülkelerin COVID – 19 salgınında bulaşıcılığı kontrol altına alma amacıyla uyguladıkları stratejilerde ve hastalığa yakalanan kişilere uygulanan tıbbi tedavilerin etkinlik performanslarının doğru şekilde hesaplanmasıdır. Çalışmada yer alan 85 ülkeye homojenliğini sağlamak için öncelikle nüfusa göre ölçeklendirme yapmak yerine ülkelerin nüfus yoğunlukları kullanılarak kümeleme analizi yapılmıştır. Kümeleme analizi sonucunda elde edilen homojen kümelerin her birine ülkelerin bulaşıcılık ve tıbbi tedavi performanslarının ölçülmesini amaçlayan iki farklı senaryodan oluşan Seri Hiyerarşik Veri Zarflama Analizi uygulanmıştır. Kümeleme yapılmadan önce ve yapıldıktan sonra uygulanan Seri Hiyerarşik Veri Zarflama Analizleri sonucunda elde edilen etkinlik skorlarının birbirlerinden farklı olduğu tespit edilmiştir.

Özet (Çeviri)

COVID-19, an airborne disease that emerged at the end of 2019 in Wuhan, China, has spread rapidly around the world. Due to the amount and speed of the epidemic, it was declared as a pandemic by the World Health Organization on March 11, 2020. Countries have implemented various strategies in order to both control the contagiousness and increase the effectiveness of the medical treatments applied to the people who have the disease. Evaluation of the results of these strategies has been the main subject of many studies. Data Envelopment Analysis has been widely used in these studies as it is a powerful technique for comparing the performance of decision making units. However, in these studies, scaling the variables according to the population in order to ensure the homogeneity of the decision-making units jeopardizes the consistency of the results. The inconsistency is due to the different population density of each country. The aim of this study is to eliminate the heterogeneity problem in the Data Envelopment Analysis by correctly positioning the effect of population density increase on the transmission and death rate, and to correctly calculate the effectiveness of the medical treatments applied to the people who have the disease in the strategies implemented by the countries to control the contagiousness in the COVID-19 epidemic. In order to ensure the homogeneity of the 85 countries in the study, instead of scaling according to the population, clustering analysis was carried out by using the population densities of the countries. Serial Hierarchical Data Envelopment Analysis, which consists of two different scenarios aiming to measure the infectiousness and medical treatment performance of the countries, was applied to each of the homogeneous clusters obtained as a result of the clustering analysis. It was determined that the efficiency scores obtained as a result of the Serial Hierarchical Data Envelopment Analyzes applied before and after clustering were different from each other.

Benzer Tezler

  1. Covıd-19 ile mücadelede ülkelerin etkinliğinin veri zarflama analizi ve makine öğrenmesi ile değerlendirilmesi

    Assessing countries' efficiency in fight against Covid-19 by data envelopment analysis and machine learning

    FARUK YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Halk Sağlığıİstanbul Üniversitesi-Cerrahpaşa

    Sağlık Yönetimi Ana Bilim Dalı

    PROF. DR. İLHAN KEREM ŞENEL

  2. Türkiye'deki hastanelerin pabon lasso ve makine öğrenmesi yöntemleriyle çok boyutlu performans analizi

    Multi-dimentional performance analysis of hospitals in Turkey by using pabon lasso and machine learning methods

    MUSA ÇIRAK

    Doktora

    Türkçe

    Türkçe

    2023

    Sağlık Yönetimiİstanbul Üniversitesi-Cerrahpaşa

    Sağlık Yönetimi Ana Bilim Dalı

    PROF. DR. İLHAN KEREM ŞENEL

  3. Applications of machine learning procedures on data envelopment analysis

    Veri zarflama analizi üzerinde makine öğrenmesi uygulamaları

    ŞENOL KURT

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeAtılım Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. BURCU DİNÇERGÖK

  4. Yapay sinir ağları destekli etkinlik ölçümü: Veri zarflama analizi üzerine uygulamalar

    Artificial neural network aided efficiency measurement: Applications on data envelopment analysis

    IRMAK UZUN BAYAR

    Doktora

    Türkçe

    Türkçe

    2022

    İşletmeHacettepe Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. KAZIM BARIŞ ATICI

  5. Türk demir çelik endüstrisi değerlendirmesinde Random Forest algoritması kullanılarak bir makine öğrenmesi uygulaması

    A machine learning application using Random Forest algorithm in evaluation Turkish iron and steel industry

    MHD REFEAT AL HALLAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Ekonometriİstanbul Üniversitesi

    Ekonometri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ LEYLA İŞBİLEN YÜCEL