E-ticaret verisi kullanılarak makine öğrenmesi algoritmalarının karşılaştırılması
Comparison of machine learning algorithms using e-commerce data
- Tez No: 853951
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP ÖZER
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Software defect prediction with a personalization focus and challenges during deployment
Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları
BEYZA EKEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD GÜRBÜZ
- Multi agent planning under uncertainty using deep Q-networks
Derin Q-ağları kullanımı ile belirsizlik altında çoklu ajan planlaması
FARABİ AHMED TARHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
- E-ticaret ürünlerindeki türkçe kullanıcı yorumlarınınoyunlaştırma, nlp ve makine öğrenmesi teknikleri ile sınıflandırılması
Başlık çevirisi yok
RIFAT MERT DOLAR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASEMİN KARAGÜL