Geri Dön

MAKİNE ÖĞRENMESİ KULLANAN BİREYSEL GELİR TAHMİN MODELİ

Individual Income Estimation Model Using Machine Learning

PDF İndir

  1. Tez No: 864633
  2. Yazar: MUHAMMED ENES YILDIZ
  3. Danışmanlar: PROF. DR. NİZAMETTİN AYDIN, DR. AHMET ELBİR
  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: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 41

Özet

Bu çalı¸smada Türkiye'de faaliyet gösteren bir ¸sirkete ait 2023 yılı mü¸steri gelir verileri kullanılarak, makine ögrenmesi yöntemleriyle bireysel gelir tahmini ˘ modeli geli¸stirilmi¸stir. Hedef, hanehalklarının aylık gelir seviyelerini en yüksek dogruluk ile tahmin etmektir. Harcamalar, yatırımlar, varlıklar,demografik bilgiler ˘ ve finansal davranı¸slar gibi degi¸skenler içeren verisetine özgü gelir do ˘ grulama ˘ ve enflasyon ayarlama yöntemleri uygulanmı¸stır. Linear Model, Lasso, Ridge, K-NN, Random Forest ve Gradient Boosting gibi birçok makine ögrenmesi ˘ algoritması kullanılmı¸stır. En iyi performans Gradient Boosting algoritmalarından, Lightgbm ve Xgboost algoritmaları ile yakalanmı¸stır. Modelin ba¸sarı ölçütleri, adjusted R-kare ve MAPE degerleriyle de ˘ gerlendirilmi¸stir. Sonuçlar, lightgbm ˘ algoritmasının %80 adjusted R-kare ve %21 MAPE degeriyle en ba¸sarılı oldu ˘ gunu ˘ göstermi¸stir. Klasik ölçütler dı¸sında, gelir aralıgı bazlı actual-prediction confusion ˘ matrisi ve tolerans aralıgı analizi de çalı¸sılmı¸stır. Bu analizler ise modelin gerçek ˘ dünyadaki uygulamalarında nasıl performans gösterecegi, hangi gelir gruplarında ˘ modelin ne seviyede ba¸sarılı oldugunu ölçmektedir.Bu çalı¸sma, makine ö ˘ grenmesi ˘ yöntemlerinin gelir tahmini için etkili bir araç oldugunu göstermektedir. Gelecekte, ˘ geli¸stirilen modelin performansını daha da iyile¸stirmek için çe¸sitli çalı¸smaların yapılması planlanmaktadır.

Özet (Çeviri)

In this study, a predictive model for individual income has been developed using machine learning methods based on customer income data from a company operating in Turkey in 2023. The aim is to predict monthly income levels of households with the highest accuracy. Income verification and inflation adjustment methods specific to the dataset containing variables such as expenditures, investments, assets, demographic information, and financial behaviors have been applied. Several machine learning algorithms including Linear Model, Lasso, Ridge, K-NN, Random Forest, and Gradient Boosting have been utilized. The best performance has been achieved with Gradient Boosting algorithms, captured by Lightgbm and Xgboost algorithms. The success of the model has been evaluated through adjusted R-square and MAPE values. The results have indicated that the Lightgbm algorithm was the most successful with an adjusted R-square of %80 and a MAPE value of %21. In addition to classical metrics, an analysis based on income range-specific actual-prediction confusion matrix and tolerance range has also been conducted. These analyses measure how the model will perform in real-world applications and at what level the model is successful in which income groups. The developed model also forecasts income considering inflation. In the future, various studies are planned to further improve the performance of the developed model.

Benzer Tezler

  1. Tez No

    879686

    Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Tez No

    823388

    Yapay zekâ ve demokrasi

    Artificial intelligence and democracy

    AYŞE NUR YAZICILAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    HukukGalatasaray Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    PROF. DR. ŞULE ÖZSOY BOYUNSUZ

  3. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  4. Tez No

    317563

    Müşteri tarafından algılanan marka değeri ve bankacılık sektöründe bir pilot araştırma

    The brand equity perception from clients and a sample search in Turkish banking sector

    ANIL GÖKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    BankacılıkGalatasaray Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ULUN AKTURAN

  5. Tez No

    878177

    Machine learning based approach for text summarization

    Metin özetlemesi için makine öğrenmesi tabanlı yaklaşım

    HASSAN SHAHBAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHİ ABDU IBRAHIM

Geri Dön