Makine öğrenmesi yöntemleri kullanılarak bölgesel suç analizi
Regional crime analysis using machine learning methods
- Tez No: 876217
- Danışmanlar: PROF. DR. RECEP ERYİĞİT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 115
Özet
Suç insanlığın başlangıcından beri hayatın içinde varolagelmiş ve toplumlar suçla mücadele etmişlerdir. Suçun henüz oluşmadan engellenmesi, oluştuktan sonra faillerin daha çabuk tespiti dünya genelinde kolluk kuvvetlerinin önemli önceliklerindendir. Suçun önceden tipi, yeri veya sayısı gibi niteliklerinin doğru tahmin edilebilmesi suçla mücadeleye önemli katkılar sağlayacaktır. Suç disiplinlerarası bir olgudur ve her disiplinden farklı ölçülerde etkilendiği gibi bölgesindeki ekonomik durumdan da etkilenerek ortaya çıkmaktadır. Ekonomik göstergelerle suç arasındaki ilişki geçmişten günümüze kadar farklı istatistik yöntemleriyle açıklanmaya çalışılmıştır. Artan veriyle birlikte suçla farklı göstergeler arasındaki ilişkinin makine öğrenmesi ve derin öğrenme gibi yöntemlerle açıklanabilmesi kolaylaşmıştır. Bu tez çalışması kapsamında geniş bir literatür taraması gerçekleştirilmiş ve suç tahmini alanında kullanılan istatistik, makine öğrenmesi ve derin öğrenme yöntemleri çok yönlü olarak incelenmiştir. Türkiye'nin İBBS2 (26 bölge) sınıflandırması doğrultusunda oluşturulan özgün veri setiyle çalışma yürütülmüştür. Veri seti kullanılarak literatürde yoğun olarak kullanıldığı tespit edilen Rastgele Orman, K-en Yakın Komşu, Naive Bayes algoritmalarıyla suç oranı tahminlemesi yapılmıştır. Tahmin işlemi farklı eğitim seti ve test seti bölümlemesi, farklı yıllardaki suçun tahmini gibi çok yönlü olarak gerçekleştirilmiştir. 10 farklı suçla ilgili yapılan tahminlerde Hırsızlık, Sahtecilik ve Yağma suçları başarılı olarak tahmin edilen suçlar olmuştur. Bu suçların üçünün ortalama tahmin başarısı belirtilen yöntemler kullanılarak sırasıyla 0,99, 0,98 ve 0,93 olarak hesaplanmıştır. Ayrıca 1 ve 2 yıl sonrasının suç oranı tahmininde aynı yıla kıyasla daha iyi tahmin başarısı elde edilmiştir. Rastgele Orman algoritmasının tüm suçlar ve tüm bölgeler açısından diğer algoritmalara kıyasla daha başarılı tahmin yapabildiği görülmüştür. Ayrıca bazı bölgelerde diğer bölgelere kıyasla daha iyi tahmin sonuçları elde edilmiştir.
Özet (Çeviri)
Crime has existed since the beginning of humanity and societies have struggled against crime. Preventing crime before it occurs and identifying perpetrators more quickly after it occurs are important priorities of law enforcement agencies around the world. Accurate prediction of the characteristics of the crime such as type, location or number will make significant contributions to the fight against crime. Crime is an interdisciplinary phenomenon and is affected by each discipline to different extents, as well as by the economic situation in the region. The relationship between economic indicators and crime has been tried to be explained with different statistical methods from past to present. With increasing data, it has become easier to explain the relationship between crime and different indicators with methods such as machine learning and deep learning. Within the scope of this thesis, an extensive literature review has been conducted and statistics, machine learning and deep learning methods used in the field of crime prediction have been analyzed in a multidimensional manner. The study was conducted with the unique data set created in line with Turkey's NUTS2 (26 regions) classification. Using the data set, crime rate prediction was made with Random Forest, K-Nearest Neighbor, Naive Bayes algorithms, which are found to be used frequently in the literature. The prediction process was carried out in multiple dimensions such as different training set and test set partitioning, prediction of crime in different years. In the predictions of 10 different crimes, theft, forgery and robbery were the most successfully predicted crimes. The average prediction success of three of these crimes was calculated as 0.99, 0.98 and 0.93 respectively, using the mentioned methods. In addition, better prediction success was obtained in predicting the crime rate 1 and 2 years ahead compared to the same year. It was observed that the Random Forest algorithm was able to make more successful predictions for all crimes and all regions compared to other algorithms. Furthermore, certain locations yielded superior prediction outcomes in contrast to others.
Benzer Tezler
- Yürüyüş verilerinden makine öğrenmesi yöntemleri ile yaş tahmini
Age estimation from gait data using machine learning
VEDAT İMAÇ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
- Makine öğrenmesi yöntemleri ile satış analizi uygulamaları
Sales analysis applications with machine learning methods
AHMET SELÇUK
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE ÇİMEN
- Python ile makine öğrenmesi algoritmalarını kullanarak rüzgar santralinin elektrik üretim tahmini
Electricity generation prediction of wind farm using machine learning algorithms with python
MUHSİN BAKDEMİR
Yüksek Lisans
Türkçe
2024
EnerjiOrdu ÜniversitesiYenilenebilir Enerji Ana Bilim Dalı
DOÇ. DR. SİBEL AKKAYA OY
- Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi
Development of mass property valuation model based on geographic information systems integrated machine learning methods
MUHAMMED OĞUZHAN METE
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- Veriler arası analitik kullanarak PM10 konsantrasyonları ve meteorolojik bilgilerden hava kalitesi tahmin etme
Prediction of air quality from PM10 concentrations and meteorological information using cross data analytics
MUHAMMED ŞARA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN EKEN