Geri Dön

E-ticaret verisi kullanılarak makine öğrenmesi algoritmalarının karşılaştırılması

Comparison of machine learning algorithms using e-commerce data

  1. Tez No: 853951
  2. Yazar: MELİSA GEYİK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP ÖZER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Yönetim Bilişim Sistemleri, Management Information Systems
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Bandırma Onyedi Eylül Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Her geçen gün gelişen teknoloji ticaret, pazarlama gibi birçok alana yansımış ve işletmeler rakiplerinden geri kalmamak için yenilikleri yakalamak zorunda kalmışlardır. Bu çalışmada Avrupa da ticaret faaliyetini sürdüren bir internet sitesinin verilerinden yararlanarak makine öğrenmesi algoritmaları karşılaştırılmıştır. Söz konusu algoritmalar; Naive Bayes, Destek Vektör Makineleri, K-MEANS, kNN, Regresyondur. Çalışmada kullanılan algoritmalar büyük veri seti ile incelendiğinde en yüksek başarı oranı Destek Vektör Makineleri olurken sırasıyla Naive Bayes, kNN ve Lojistik Regresyon onu takip etmektedir. Haldout yöntemi kullanılan bu çalışmada sonuçlar doğruluk, kesinlik, duyarlılık, kappa değeri ve auc ile değerlendirilmiştir. Sınıf dengeleme yöntemlerinden smote, ros ve rus kullanılmıştır. Çalışmada kullanılan büyük veri de en yavaş sonuç veren algoritmanın destek vektör makineleri olduğu gözlemlenmiştir.

Özet (Çeviri)

Ever-evolving technology has been reflected in many areas, such as commerce, marketing, and businesses have had to capture innovation to avoid falling behind their competitors. This study compared machine learning algorithms using data from a website that continues to operate in Europe. The algorithms in question are;Naive Bayes is Support Vector Machines, K-MEANS, kNN, Regression. When the algorithms used in the study are examined with the large dataset, the highest success rate is Support Vector Machines, while Naive Bayes, kNN and Logistics Regression follow, respectively. In this study, the results were evaluated with accuracy, precision, sensitivity, kappa value and auc in this study using the Haldout method. Of the class balancing methods, smote, ros and rus were used. In the big data used in the study, it was observed that the algorithm that gave the slowest results was support vector machines.

Benzer Tezler

  1. Software defect prediction with a personalization focus and challenges during deployment

    Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları

    BEYZA EKEN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN

  2. Kayıp satış miktarlarının makine öğrenmesi ve zaman serisi ile analizi

    Analysis of lost sales quantities with machine learning and time series

    RIDVAN EYYÜPKOCA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD GÜRBÜZ

  3. Multi agent planning under uncertainty using deep Q-networks

    Derin Q-ağları kullanımı ile belirsizlik altında çoklu ajan planlaması

    FARABİ AHMED TARHAN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  4. E-ticaret siteleri için bulanık mantık ve makine öğrenmesi tabanlı bir öneri sistemi

    A recommendation system based on fuzzy logic and machine learning for e-commerce sites

    METEHAN UÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK