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
- Kentsel mikro iklimin iyileştirilmesine yönelik kent dokularında ısı adası etki değerlendirme ve azaltım stratejileri geliştirme modeli: İstanbul örneği
The model of urban heat island impact assessment and mitigation strategies in urban fabric to improve urban microclimate: The case of İstanbul
DENİZ ERDEM OKUMUŞ
Doktora
Türkçe
2022
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATİH TERZİ
- Metastatik kolorektal kanser tanılı hastaların birinci basamak tedavisinde hedefe yönelik ajan seçiminin 'makine öğrenmesi' ile prediksiyonu
Prediction of targeted agent selection by 'machine learning' in first-line treatment of patients diagnosedwith metastatic colorectal cancer
ALKIM YOLCU
Tıpta Uzmanlık
Türkçe
2021
İç HastalıklarıManisa Celal Bayar Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATİKE PINAR ERDOĞAN
- Kronik obstrüktif akciğer hastalığı teşhisi için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi
Development of a new machine learning-based method for the diagnosis of chronic obstructive pulmonary disease
ENGİN MELEKOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT KOCABIÇAK
