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
- Tez No: 827493
- Danışmanlar: DR. ÖĞR. ÜYESİ LEYLA İŞBİLEN YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Demir çelik endüstrisi, Demir çelik sektörü, Entropi, Etkinlik, Makine öğrenmesi, Rastgele ormanlar, Veri zarflama analizi, Iron steel industry, Iron steel sector, Entropy, Efficiency, Machine learning, Random forests, Data envelopment analysis
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Demir çelik endüstrisinde yapılacak yatırımların, harcamaların ve alınacak her türlü kararın doğru ve etkin bir biçimde gerçekleştirilmesi ülke ekonomisi için kritik bir öneme sahiptir. Bu hassasiyetten doğan bakış açısıyla hazırlanan bu çalışma, Türk Demir Çelik endüstrisinde faaliyette bulunan 12 firmanın performanslarının sınıflandırılması amacıyla makine öğrenmesi yöntemlerinden Random Forest tekniği ile modellenmesini konu almaktadır. Random Forest makine öğrenmesine hedef değişken olarak tasarlanan etkinlik skorları, veri zarflama analizinin CCR ve BCC modelleriyle hesaplanmıştır. Girdi ve çıktı değişkenleri ise Shannon entropi yöntemiyle elde edilmiştir. Toplamda 7 adet girdi ve çıktı kullanılmıştır. Bu çalışmada ayrıca, Random Forest algoritmasıyla gerçekleştirilen sınıflandırmada en yüksek doğruluk düzeyine sahip bulunan BCC modelin etkin bulmadığı firmalar için etkinleştirme önerileri de sunulmuştur. Çalışmada kullanılan bilgisayar programları şu şekildedir: Shannon entropi uygulamaları için Excel, makine öğrenmesi Random Forest algoritması için R, etkinlik skorlarının veri zarflama analizi ile hesaplanması için Frontier Analyst'tir.
Özet (Çeviri)
Every investment, expenditures and every decision going to be taken should be accurate and effective as it plays a critical role in the national economy development. This research has arisen from this sensitive point of view, aims to investigate in classifying the efficiency of 12 firms working in the iron steel sector using machine learning method random forest classifier. The efficiency scores from data envelopment analysis CCR, BCC and Super efficiency models has been calculated to be used as target variables for the random forest classifier. The inputs and outputs have been processed throw Shannon entropy, and in total 7 variables have been used. In this study, recommendations are also presented for firms that are inefficient according to the BCC model, which has the highest level of accuracy in the classification performed with the random forest algorithm. The programs that have been used in this study are; Microsoft excel for Shannon Entropy, R language for random forest classifier algorithm, and for data envelopment analysis it used Frontier analyst.
Benzer Tezler
- Turkey's anti-dumping policy and its impact on firms' behaviors
Türkiye'nin anti-damping politikası ve bu politikanın firma davranışları üzerindeki etkisi
SERDAR AKBAŞ
Doktora
İngilizce
2022
EkonomiHacettepe Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. BAHAR BAYRAKTAR SAĞLAM
- Demir çelik sektörü ve demir çelik sektöründe sermaye maliyeti
Iron and steel sector and cost of capital in iron and steel sector
ALİ DİKMEN
Yüksek Lisans
Türkçe
2002
İşletmeMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
YRD. DOÇ. DR. MAHMUT HAYATİ ERİŞ
- Burdur ili mermer sektörünün kurumsal ve ekonomik yapısı
İnstitutional and economic structure of marble sector in burdur
AHMET SARITAŞ
- Türk demir çelik sektörü ihracat performansının rekabet stratejileri üzerine etkisi
The impact of Turkish iron and steel sector's export performance on competitive strategies
ESRA BİLMEZ
Yüksek Lisans
Türkçe
2023
İşletmeBandırma Onyedi Eylül ÜniversitesiUluslararası Ticaret ve Lojistik Ana Bilim Dalı
DOÇ. DR. SENEM NART