Topluluk öğrenmesi yaklaşımıyla anomali belirleme
Anomaly detection with ensemble learning approach
- Tez No: 804904
- Danışmanlar: DOÇ. DR. ENGİN YILDIZTEPE
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- 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
- Deep learning-based cyclone detection, localization, and classification
Derin öğrenme tabanlı kiklon saptaması, konumlandırması ve sınıflandırması
ALİ İBRAHİM ÖZKAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN YILDIZ
- 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
2023
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. İPEK DEVECİ KOCAKOÇ
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
PROF. DR. TOLGA KAYA
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. ÇELEBİ ULUYOL
- 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
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA UĞURLU