Feature selection by machine learning to predict urban gentrification in istanbul
Istanbul'da soylulaşma tahmininde makine öğrenmesiyle öznitelik seçimi
- Tez No: 838117
- Danışmanlar: PROF. DR. SEUNGIL LEE
- Tez Türü: Yüksek Lisans
- Konular: Şehircilik ve Bölge Planlama, Urban and Regional Planning
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: University of Seoul
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Kentsel Planlama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Soylulaşma, mahallelerdeki ekonomik değeri arttırma eğilimindedir. Sonucu sosyo-ekonomik bir stres yaratır ve mahalle sakinlerinin alım gücünü düşürerek yer değiştirmeye zorlar. Bu süreç son zamanlarda Istanbul'un neredeyse tüm mahallelerini etkilemeye başlamaktadır. Bu çalışma İstanbul'daki soylulaşma sürecinin olumsuz etkilerini ve süreçle nasıl mücadele edileceğini tartışmaktadır. Makine öğrenmesi alanında yapılan son çalışmalar karmaşık kentsel problemlerin ortaya çıkma zamanı ve şeklini tahmin etme konusunda yardımcı olmaktadır. Bu çalışma makine öğrenmesinde anahtar bir problem olan öznitelik seçimine odaklanmaktadır. Öznitelik seçimi, yüksek boyutlu verilerle olan çalışmalarda verim elde edilen bir veri ön hazırlık yaklaşımıdır. Bu yaklaşım, temiz ve anlaşılabilir veri setleri yaratmaya olanak sağlar. Böylelikle makine öğrenmesi modellerinin tutarlılığı ve performansı arttırılmış olur. Bu tezde Ataşehir, Beyoğlu, Bakırköy, Başakşehir, Beşiktaş, Kadıköy, Kartal, Küçükçekmece, Sarıyer, Ümraniye ve Üsküdar olmak üzere toplam onbir ilçeden veri elde edilmiştir. Soylulaşmayı ölçmek adına, göç sürecinde eğitim seviyesi değişimi ve göç hızı verisi kullanılmıştır. Soylulaşma ile ekonomik değer artışı arasındaki tetikleyici ilişki nedeniyle yaklaşık 17000 satırlık point of interest veri seti kullanılmış, bu veri seti içinden soylulaşmayı tanımlayacak öznitelikler seçilmiştir. Sonuç olarak, soylulaşmayı tahmin etmeye yönelik gelecek çalışmalar için güçlü bir fikir verecek olan öznitelikleri puanlayan bir makine öğrenmesi modeli geliştirilmiştir ve bir tahmin modelinin soylulaşmayla mücadele politikaları üzerindeki etkilerini ortaya koymuştur.
Özet (Çeviri)
Gentrification tends to increase the economic value in neighborhoods. Finally, it creates socioeconomic stress there and ends up with displacement due to a decrease in affordability for old inhabitants. It has started to affect almost all districts in Istanbul. This study discusses the negative effects of gentrification in Istanbul as a unique case and how to mitigate it. Recent studies in the field of machine learning are allowing us to predict how and where complex urban problems will occur in the future. This study focuses on feature selection which is a key problem and the essential part of machine learning studies. Feature selection is a data preprocessing approach which is effective to prepare especially high-dimensional data. The objectives of feature selection are preparing clean and understandable data, allowing to study with high-dimensional data and, improving performance of models by building more comprehensive machine learning models. The datasets are collected for eleven districts named Ataşehir, Beyoğlu, Bakırköy, Başakşehir, Beşiktaş, Kadıköy, Kartal, Küçükçekmece, Sarıyer, Ümraniye, Üsküdar. Gentrification is measured by census track data which consists of net migration rate and change of education level. Since the triggering relationship between gentrification and increasing economic value, a point of interest dataset which consists of 17000 rows approximately is used to select the features which identify gentrification most. In conclusion, a machine learning model is provided which scores features of POI dataset to identify the most important ones which will give a strong idea for further studies to predict gentrification. It sets out the effects on policies which will combat gentrification.
Benzer Tezler
- Feature selection by machine learning to predict gentrification in İstanbul
Başlık çevirisi yok
ELVAN KAHRAMAN
- Perinatal dönemdeki psikiyatrik hastalık belirtilerinin yapay zeka tabanlı büyük veri işleme platformu ile belirlenmesi
Detection of psychiatric disease symptoms in the perinatal period with an ai-based big data processing platform
NUR BANU OĞUR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÇEKEN
- Esnek üstyapılarda makine öğrenmesi yöntemleri ile pürüzlülük tahmini
Roughness estimation in flexible pavements using machine learning methods
HÜSEYİN ÇUHA
Yüksek Lisans
Türkçe
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH HİLMİ LAV
- Mekansal zeka yöntemleriyle yeni nesil hareketlilik kapsamında ulaşım hizmetlerinin sürdürülebilir yönetimi
Sustainable management of transportation services within the scope of next generation mobility using geospatial intelligence
ALİ DOĞAN GÜMÜŞSOY
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiUlaşım Teknolojileri Ana Bilim Dalı
PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Makine öğrenmesi yöntemleri ile yangın verilerinin analizi ve sınıflandırılması
Analysis and classification of fire data using machine learning methods
ZEYNEP NAZLI ASLAN
Yüksek Lisans
Türkçe
2025
İlk ve Acil YardımSakarya ÜniversitesiAfet Yönetimi Ana Bilim Dalı
DOÇ. DR. BEYTULLAH EREN
