Geri Dön

Makine öğrenmesi yöntemleri kullanılarak bölgesel suç analizi

Regional crime analysis using machine learning methods

  1. Tez No: 876217
  2. Yazar: ABDULLAH GENÇAY
  3. Danışmanlar: PROF. DR. RECEP ERYİĞİT
  4. Tez Türü: Doktora
  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: Ankara 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: 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

  1. Yürüyüş verilerinden makine öğrenmesi yöntemleri ile yaş tahmini

    Age estimation from gait data using machine learning

    VEDAT İMAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSiirt Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ

  2. Makine öğrenmesi yöntemleri ile satış analizi uygulamaları

    Sales analysis applications with machine learning methods

    AHMET SELÇUK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiEskişehir Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE ÇİMEN

  3. 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

    Türkçe

    2024

    EnerjiOrdu Üniversitesi

    Yenilenebilir Enerji Ana Bilim Dalı

    DOÇ. DR. SİBEL AKKAYA OY

  4. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHSİN YOMRALIOĞLU

  5. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SÜLEYMAN EKEN