Makine öğrenmesi yöntemleri ve bazı uygulamaları
Machine learning methods and some aplications
- Tez No: 729194
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN HALİT TALİ
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Aykırı değerler, En küçük kareler yöntemi, Gürbüz kestirim, Makine öğrenmesi, Öğrenme teknikleri, Outliers, Least squares method, Robust estimation, Machine learning, Learning techniques
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Haliç Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı Matematik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
“Makine Öğrenmesi Yöntemleri ve Bazı Uygulamaları”adı altında hazırlanan bu çalışma yedi bölümden oluşmaktadır. Birinci bölümde; tezin amacı ve makine öğrenmesine yönelik literatür araştırması yer almaktadır. İkinci bölümde; Makine Öğrenmesi Yöntemlerindeki algoritmaların oluşturulmasında gerekli olan bazı temel istatistik bilgiler, algoritmalara girecek veri kavramı, algoritmaların uygulanabilmesi için veride yapılması gereken veri ön işleme işlemleri, model oluşturma ve model değerlendirme kavramları yer almaktadır. Üçüncü bölümde; Gözetimli ve Gözetimsiz Makine Öğrenmesi yöntemlerindeki bazı algoritmalar incelenmiş ve bu algoritmaların altındaki matematiksel yapı irdelenmiştir. Dördüncü bölümde; iki farklı veri kümesine Python programlama dili kullanılarak bazı makine öğrenmesi algoritmaları uygulanıp modeller oluşturulmuştur. Sonrasında ise yapılan model değerlendirmesiyle modellerin performansları ölçülmüştür. Veri kümesinde sonuçlar üzerinde yanıltıcı etkilere yol açan aykırı verilerin olması durumunda en küçük kareler doğrusu verilerle uyumsuz olmaktadır. Bu problemin çözümlerinden biri aykırı değerlerden çok fazla etkilenmeyen tahminciler tasarlamaya çalışan Robust Regresyon olup beşinci bölümde Robust Regresyon Analizi yer almaktadır. Altıncı bölüm ise çalışmanın orijinal kısmı olup bu kısımda geliştirilen algoritma yer almaktadır. Yedinci bölümde, sonuç olarak dördüncü bölümdeki veri kümeleri için oluşturulan modeller performanslarına göre karşılaştırılmıştır. Ayrıca geliştirilen algoritmanın farklı veri kümelerine uygulanması sonucunda elde edilen doğruların en küçük kareler doğrularına göre verilerle daha uyumlu olduğu gösterilmiştir.
Özet (Çeviri)
This study titled“Machine Learning Methods and Some Applications,”consists of seven sections. In the first section, the purpose of the thesis and the literature review on machine learning are presented. In the second section, some basic statistical information required to create algorithms in Machine Learning Methods, the concept of input data for the algorithms, data preprocessing that must be carried out in order to use the algorithms, and the concepts of model creation and model evaluation are included. In the third section, the mathematical structure of some algorithms in Supervised and Unsupervised Machine Learning methods are examined. In the fourth section, some machine learning algorithms are applied to two different data sets using Python programming language and models are created. Afterwards, the models are compared by performance using model evaluation. If there are outliers in the data set that cause misleading results, the least squares regression line is incompatible with the data. One of the solutions of this problem is Robust Regression, which seeks to find estimators that are not affected much by outliers, and Robust Regression Analysis is discussed in the fifth section. The sixth section is the main part of the study and the algorithm is developed in this section. In the last part, the models created for the datasets in the fourth part are compared according to their performance. In addition, it has been shown that the lines obtained as a result of the application of the developed algorithm to different data sets are more compatible with the data than the least square lines.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile satış analizi uygulamaları
Sales analysis applications with machine learning methods
AHMET SELÇUK
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE ÇİMEN
- Quantitative evaluation of explainable artificial intelligence techniques across varied datasets and machine learning methods
Açıklanabilir yapay zeka tekniklerinin çeşitli veri seti ve makine öğrenmesi yöntemleri üzerinde nicel değerlendirilmesi
FEYZA AYDOĞAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiYapay Zeka Teknolojileri Ana Bilim Dalı
DOÇ. DR. TEVFİK AYTEKİN
- Makine öğrenmesi yöntemleri ile ön görücü bakım modeli geliştirilmesi
Development of a predictive maintenance model using machine learning methods
EREN ERİŞ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN GÜNDÜZ
- Finansal teknoloji alanında kullanıcı deneyimlerinin makine öğrenmesi yöntemleri ile incelenmesi
Examining user experiences in the field of financial technology with machine learning methods
GİZEM ZENGİN
Yüksek Lisans
Türkçe
2022
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ERSOY ÖZ
- Uydu verileri temelli derin öğrenme ve açıklanabilir makine öğrenmesi teknikleri kullanılarak Sakarya ili fındık alanlarının mekansal dağılımının belirlenmesi
Determining the spatial distribution of hazelnut areas in Sakarya province using satellite data-based deep learning and explainable machine learning techniques
GAFUR SEMİ ŞENGÜL
Yüksek Lisans
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
PROF. DR. BEYZA USTAOĞLU