Geri Dön

Çağrı sayılarının tahmininde doğrusal regresyon, rassal orman ve yapay sinir ağları modellerinin performans karşılaştırması

Performance comparison of linear regression, random forest and artifical neural networks models in predicting the number of calls

  1. Tez No: 858447
  2. Yazar: MERVE BAŞTUĞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ KADRİYE HİLAL TOPAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İSTANBUL NİŞANTAŞI ÜNİVERSİTESİ
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 81

Özet

Bu çalışmada, çağrı merkezi veri seti üzerindeki çağrı sayılarının gelecekteki değerlerini tahmin etmek amacıyla farklı makine öğrenmesi yöntemleri incelenmiştir. Doğrusal regresyon, rassal orman ve yapay sinir ağları modelleri zaman serisi veri setleri üzerinde uygulanarak, her birinin performansı karşılaştırmalı olarak değerlendirilmiştir. Hatalara dayalı metrikler kullanılarak yapılan değerlendirmelerde, her bir modelin veri setindeki zamanla değişen dinamikleri ne derece yakalayabildiği ve tahminlerinin doğruluğu ölçülmüştür. Doğrusal regresyon modelinin, basit bir eğilim çizgisi çizmekle sınırlı kaldığı ve yüksek hata kriteri değerleri ile veri setindeki değişkenliği yakalayamadığı gözlemlenmiştir. Yapay sinir ağları modeli ise, eğitim sürecini artırarak, 500 epoch ile daha karmaşık ilişkileri öğrenmeye çalışmış ancak yine de çok yüksek hata kriteri değerleri elde etmiştir. Rassal orman modeli, veri setindeki karmaşıklıkları modelleme konusunda daha başarılı olmuştur. Diğer iki modele kıyasla daha düşük hata kriteri değerleri ile en değişkenliği yakalamada en başarılı model seçilmiştir. Bu bulgular ışığında, rassal orman dışında kullanılan iki modelin çağrı merkezi veri setindeki takvim etkilerini, tatil dönemleri ve diğer etkenleri yansıtmada yetersiz kaldığı sonucuna varılmıştır. Sonuç olarak, çağrı merkezi veri seti için daha uygun modellerin araştırılması, mevsimsellik, takvim etkisi ve trend gibi faktörlerin modellere entegre edilmesi ve hiperparametre optimizasyonunun dikkatli yapılması önerilmektedir.

Özet (Çeviri)

In this study, different machine learning methods were examined to predict the future values of call numbers on the call center data set. Linear regression, random forest and artificial neural network models were applied on time series data sets and the performance of each was evaluated comparatively. In the evaluations made using error-based metrics, the extent to which each model was able to capture the time-changing dynamics in the data set and the accuracy of its predictions were measured. It has been observed that the linear regression model is limited to drawing a simple trend line and cannot capture the variability in the data set with high error criterion values. The artificial neural network model tried to learn more complex relationships by increasing the training process with 500 epochs, but still obtained very high error criterion values. The random forest model was more successful in modeling the complexities in the dataset. The most successful model in capturing the most variability was chosen, with lower error criterion values compared to the other two models. In light of these findings, it was concluded that the two models used other than random forest were insufficient to reflect calendar effects, holiday periods and other factors in the call center data set. As a result, it is recommended to investigate more suitable models for the call center data set, to integrate factors such as seasonality, calendar effects and trend into the models, and to perform hyperparameter optimization carefully.

Benzer Tezler

  1. Tütün dış ticaretinin çekim modeli ile araştırılması: Türkiye, Çin ve ABD örneği

    Investigation of tobacco foreign trade with gravity model: The case of Turkey, China and USA

    ÇAĞRI BAYRAKTAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    ZiraatAkdeniz Üniversitesi

    Tarım Ekonomisi Ana Bilim Dalı

    DOÇ. DR. RAHMİYE FİGEN CEYLAN

  2. Çalışanlarda iş yaşam dengesinin Y kuşağı açısından incelenmesi

    A research on work life balance in terms of generation Y

    İLKNUR TURNA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İşletmeBahçeşehir Üniversitesi

    İnsan Kaynakları Yönetimi Ana Bilim Dalı

    DOÇ. DR. HATİCE NECLA KELEŞ

  3. Türkiye iktisat politikalarının belirlenmesinde iktisadi kurum-kural ve kuruluşların rolleri

    Başlık çevirisi yok

    İBRAHİM GÜRAN YUMUŞAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Ekonomiİstanbul Üniversitesi

    DOÇ.DR. YUSUF TUNA

  4. Tarım kredi kooperatiflerinin önemi ve Amasya ili tarım kredi kooperatiflerinin 2014-2018 dönemi finansal analizi

    The importance of agricultural credit cooperatives and the financial analysis of agricultural credit cooperatives for the 2014-2018 term

    MUHAMMED SAİD ALICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İşletmeSivas Cumhuriyet Üniversitesi

    Muhasebe, Finans ve Bankacılık Ana Bilim Dalı

    PROF. DR. MEHMET DEMİR

  5. Demokrat Parti Dönemi tarım politikaları ve siyasi, sosyal, ekonomik hayata tesirleri: 1950-1960

    Agricultural policies in the Period of Democrat Party, and their impacts on political, social, and economic life: 1950-1960

    NADİR YURTOĞLU

    Doktora

    Türkçe

    Türkçe

    2014

    Siyasal BilimlerHacettepe Üniversitesi

    Atatürk İlkeleri ve İnkılap Tarihi Ana Bilim Dalı

    PROF. DR. FATMA ACUN