Veri odaklı karar almada makine öğrenmesi algoritmaları
Machine learning algorithms in data-driven decision making
- Tez No: 887110
- Danışmanlar: PROF. DR. YÜKSEL TERZİ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Veri analizi, İstatistiksel bilgiler, İstatistiksel karar teorisi, Data analysis, Statistical informations, Statistical decision theory
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, makine öğrenmesi algoritmalarının temel prensipleri, uygulama alanları ve performans karşılaştırmaları ele alınmıştır. Makine öğrenmesi, veri setlerinden öğrenerek tahmin ve karar verme süreçlerini otomatikleştiren algoritmaların genel adıdır. Tezde; tahmin, sınıflandırma ve kümeleme olmak üzere üç ana kategoride makine öğrenmesi yöntemleri incelenmiştir. Tezin odak noktası, veri odaklı karar alırken makine öğrenme yöntemlerinin istatistiksel açıdan analiz edilmesi ve bu analizin metodolojileridir. Ayrıca, bu analiz metodolojilerinin bir uygulaması olarak müşteri terk modellemesi yapılmış ve elde edilen sonuçların istatistiksel olarak anlamlılığı belirtilmiştir.Tezin yöntemi karma bir yaklaşıma dayanmaktadır ve literatür taraması, içerik analizi ve nitel araştırma adımlarını içermektedir. Literatür taraması ve benzer çalışmaların incelenmesi, yapılan analizlerin ve uygulamaların temelini oluşturmuştur. Araç fiyatlarının tahmin edilmesi amacıyla“Automobile Price”veri seti kullanılmıştır. Veri seti, araçların çeşitli fiziksel, performans ve demografik özelliklerini içermektedir. Lineer Regresyon, Ridge Regresyon ve Lasso Regresyon algoritmalarıyla veri analiz edilmiştir. Orange programı kullanılarak yapılan analizlerde üç algoritma için de R-kare değeri 0,967 bulunmuş, Azure ML platformunda ise Lineer Regresyon için R-kare değeri 0,96 olarak elde edilmiştir. Bu sonuçlar, modellerin yüksek açıklayıcılık düzeyine sahip olduğunu göstermektedir. Diğer bir örnek, çalışmada kullanılan WACustomerChurn veri seti tanıtılmıştır. Bu veri seti, müşteri terk modellemesi için kullanılan 21 değişken ve 7043 kayıttan oluşmaktadır. Veri setinde yer alan değişkenlerin işlevleri belirtilmiştir. Ayrıca, müşteri terk modellemesi için Spark platformunda Büyük Veri analitiği yapılmıştır. Python programlama dili kullanılarak Spark Mlib kütüphanelerinde bulunan makine öğrenmesi algoritmaları uygulanmış ve müşterilerin bizi terk etme durumları modellemeye çalışılmıştır. Bu çalışma, Büyük Veri analitiği ve müşteri terk modellemesi alanında yapılan araştırmalara yeni bir bakış açısı sunmayı amaçlamaktadır. Son olarak, cilt kanseri lezyon görüntüleri makine öğrenimine hazır hale getirilmiştir. Inception V3 modellemeyle elde edilen sayısal veriler makine öğrenmesi algoritmalarıyla sınıflandırılmış ve kümelenmiştir. Bu iş için Orange programından yararlanılmıştır. Algoritmalardan elde edilen bulgular görsel olarak gösterilmiştir. Görseller açıklamalı olarak anlatılmıştır. Sonuç ve tartışma kısmında cilt kanseri görüntüleri teşhisinde algoritmaların başarısı belirtilip tartışılmıştır.
Özet (Çeviri)
In this thesis, the fundamental principles, application areas, and performance comparisons of machine learning algorithms are discussed. Machine learning is a general term for algorithms that automate prediction and decision-making processes by learning from datasets. The thesis examines three main categories of machine learning methods: prediction, classification, and clustering. The focus of the thesis is the statistical analysis of machine learning methods when making data-driven decisions and the methodologies of this analysis. Additionally, customer churn modeling was conducted as an application of these analysis methodologies, and the statistical significance of the results was noted. The methodology of the thesis is based on a mixed approach, including literature review, content analysis, and qualitative research steps. The review of literature and similar studies formed the foundation of the analyses and applications conducted. The“automobile price”data set was used to estimate vehicle prices. The dataset includes various physical, performance, and demographic features of cars. The data were analyzed using Linear Regression, Ridge Regression, and Lasso Regression algorithms. Analyses conducted with Orange software found an R-squared value of 0.967 for all three algorithms, while an R-squared value of 0.96 was obtained for Linear Regression on the Azure ML platform. These results indicate that the models have a high level of explanatory power. Additionally, Another example is the WACustomerChurn dataset used in the study was introduced. This dataset consists of 21 variables and 7043 records used for customer churn modeling. The functions of the variables in the dataset were specified. big data analytics was performed on the Spark platform for customer churn modeling. Machine learning algorithms from the Spark Mlib libraries were applied using the Python programming language to model the situations in which customers might leave us. This study aims to offer a new perspective on research in the fields of big data analytics and customer churn modeling. Finally, skin cancer lesion images were prepared for machine learning. Numerical data obtained through Inception V3 modeling were classified and clustered using machine learning algorithms. Orange software was utilized for this task. The findings from the algorithms were visually displayed, with explanations provided. In the results and discussion section, the success of the algorithms in diagnosing skin cancer images was discussed.
Benzer Tezler
- Deniz taşımacılığında makine öğrenmesi yöntemleriyle talep ve teslim süresi tahmini
Demand and lead time prediction with machine learning methods in maritime shipping
LARA J M NASER
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVAL ENE YALÇIN
- Contributions to the determination of optimized driving strategies for electric vehicles using artificial intelligence based methods
Elektrikli araçlar için yapay zeka tabanlı yöntemlerle en uygunlaştırılmış sürüş stratejilerinin belirlenmesine katkılar
UFUK BOLAT
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA AHMET KOCABAŞ
DOÇ. DR. GÜLCİHAN ÖZDEMİR
- Gayrimenkul rayiç bedelinin yapay zeka yöntemleri ile tahmini
Estimation of real estate appraisal values using artificial intelligence methods
REYYAN AYDOĞDU
Yüksek Lisans
Türkçe
2025
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. OLCAY GENÇ
DR. ÖĞR. ÜYESİ SERKAN AYDINLI
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Origin and destination based demand of continuous pricing for airline revenue management
Havayolu gelir yönetimi için sürekli fiyatlandırma yapısında başlangıç ve varış yerine dayalı talep tahmini
MEHMET MELİH DEĞİRMENCİ