Geri Dön

Topluluk öğrenmesi yaklaşımıyla anomali belirleme

Anomaly detection with ensemble learning approach

  1. Tez No: 804904
  2. Yazar: NİHAT AKILLI
  3. Danışmanlar: DOÇ. DR. ENGİN YILDIZTEPE
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: 67

Özet

Veri analizlerinde anomaliler bazen veriden çıkartılması gereken kayıt hataları olabilecekleri gibi, bazen de tespit edilmesi hayati öneme sahip değerler olabilir. Bu sebeple anomali belirlemeye farklı uygulama alanlarında ihtiyaç duyulmaktadır. Çoğunluğun kararının daha isabetli olacağı prensibiyle uygulanan topluluk öğrenmesi, sınıflama çalışmalarında tercih edilen bir yaklaşımdır. Topluluk öğrenmesi yaklaşımıyla anomali belirleme ise veri bilimi alanında ilgi gören güncel bir çalışma alanıdır. Anomalilerin nadir gerçekleştiği varsayımı altında, denetimli anomali belirleme, topluluk öğrenmesi yaklaşımıyla çalışan sınıflayıcılar için bir dengesiz sınıflandırma problemi olarak ele alınabilir. Bu tezde, topluluk öğrenmesi yaklaşımlarının uygulandığı sınıflama yöntemlerinin anomali belirlemede kullanılması araştırılmıştır. Çalışmada, yöntemlerin sınıf dengesizliğini gideren teknikler ile birlikte kullanılması durumu da incelenmiştir. Yapılan uygulamalar sonucunda, sınıf dengesizliğini gideren yöntemler ile birlikte kullanıldığında topluluk öğrenmesi yaklaşımlarının anomali belirleme problemlerinde başarılı sonuçlar verdiği görülmüştür.

Özet (Çeviri)

In data analysis, anomalies can sometimes be recording errors that need to be removed from the data, and at other times they can be crucial values to detect. For this reason, anomaly detection is essential in various application areas. Ensemble learning, which uses the principle that the majority's decision will be more accurate, is a preferred approach in classification studies. The use of ensemble-based techniques for anomaly detection is a current area of study in data science. Given the assumption that anomalies are rare, supervised anomaly detection can be treated as an imbalanced classification problem for classifiers utilizing ensemble learning. This thesis investigates the use of classification methods that incorporate ensemble learning approaches for anomaly detection. The study also examines the use of techniques that eliminate the class imbalance problem in conjunction with these methods. As a result of the applications, it has been found that ensemble learning approaches are successful in anomaly detection problems when used in conjunction with methods that eliminate class imbalance.

Benzer Tezler

  1. Deep learning-based cyclone detection, localization, and classification

    Derin öğrenme tabanlı kiklon saptaması, konumlandırması ve sınıflandırması

    ALİ İBRAHİM ÖZKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN YILDIZ

  2. Sınıflandırma probleminde makine öğrenmesi algoritmalarının performansını artırmak için hibrit bir yöntem önerisi

    A hybrid method proposal to improve performance of machine learning algorithms in classification problem

    MERYEM PULAT

    Doktora

    Türkçe

    Türkçe

    2023

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. İPEK DEVECİ KOCAKOÇ

  3. Fuzzy clustering based ensemble learning approach: Applications in digital advertising

    Bulanık kümeleme tabanlı topluluk öğrenmesi yaklaşımı: Dijital reklam alanında uygulamalar

    AHMET TEZCAN TEKİN

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

    PROF. DR. TOLGA KAYA

  4. Sosyal medyadaki Türkçe sahte haberlerin derin öğrenme yaklaşımıyla tespiti ve sınıflandırılması

    Detection and classification of fake news in Turkish on social media using a deep learning approach

    GÜLSÜM KAYABAŞI KORU

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Adli Bilişim Ana Bilim Dalı

    PROF. DR. ÇELEBİ ULUYOL

  5. Hızlı moda sektöründe makine öğrenmesi yöntemleri ile satış miktarlarının tahmin edilmesi

    Forecasting of sales quantities by machine learning methods in fast fashion sector

    SİNEM ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDA UĞURLU