Geri Dön

Comparison of machine learning methods in predicting female labor force participation rates

Kadınların işgücüne katılım oranlarının tahmininde makine öğrenmesi metotlarının karşılaştırılması

PDF İndir

  1. Tez No: 898911
  2. Yazar: EKİN DAĞLI
  3. Danışmanlar: PROF. DR. SEYİT MÜMİN CILASUN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonomi, İstatistik, Economics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: TED Üniversitesi
  10. Enstitü: Lisansüstü Programlar Enstitüsü
  11. Ana Bilim Dalı: Uygulamalı Veri Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: 107

Özet

Bu tezin amacı, kadınların işgücüne katılım oranlarının tahmininde makine öğrenmesi metotları içerisinde en iyi performans gösteren metodun hangi metot olduğunun belirlenmesi ve kadınların işgücüne katılımları üzerinde hangi faktörlerin en belirleyici olduğunun saptanmasıdır. Bu doğrultuda Dünya Değerler Araştırması'nın 1990-2022 dönemini kapsayan ikinci, üçüncü, dördüncü, beşinci, altıncı ve yedinci dalgaları incelenmiştir. Makine öğrenmesi algoritmaları olarak sırası ile Logistic Regression, Naïve Bayes, KNN (k-nearest neighbours), Karar Ağacı (Decision Trees), SVM (Destek Vektör Makineleri), Rastgele Orman (Random Forests), GBM ve XGBoost kullanılmıştır. Kullanılan yöntemler performans metrikleri olan Doğruluk (Accuracy), Kesinlik (Precision), Duyarlılık (Recall), F1-Score, AUC ve ROC değerlerine bakılarak karşılaştırılmıştır. Bulunan sonuçlar en iyi performans gösteren metotların XGBoost ve Rastgele Orman (Random Forest) olduğunu göstermektedir. Bu sonuçların yanında, makine öğrenmesi metotları, sırası ile bir kadının eğitim seviyesinin, yaşının, çocuk sayısının ve gelir düzeyinin işgücüne katılım kararında en önemli etkenler olduğunu göstermiş, bir kadının ataerkillik seviyesinin ve dindarlığının işgücüne katılım kararında etkisinin sınırlı olduğunu göstermiştir.

Özet (Çeviri)

The aim of this thesis is to determine which of the machine learning methods performs the best in predicting women's labour force participation rates and to determine which factors are the most significant in women's labour force participation. For this purpose, the second, third, fourth, fifth, sixth, and seventh waves of the World Values Survey which cover the period 1990-2022 are analyzed. Logistic Regression, Naïve Bayes, KNN (k-Nearest Neighbours), Decision Trees, SVM (Support Vector Machines), Random Forests, GBM (Gradient Boosting Machines), and XGBoost were used as machine learning algorithms. The methods used were compared based on performance metrics such as Accuracy, Precision, Recall, F1-Score, AUC, and ROC values. The results show that the best-performing methods are XGBoost and Random Forest. Along with these results, machine learning methods have shown that a woman's education level, age, number of children, and income level are the most important factors in her labour force participation decision, while a woman's patriarchal level and religiosity have limited effect on her labour force participation decision.

Benzer Tezler

  1. Tez No

    816240

    Vücut yağ yüzdesinin tahmin edilmesinde makine öğrenmesi

    Machine learning in estimating body fat percentage

    BETÜL GÜLFEM BAŞAKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Beslenme ve DiyetetikBiruni Üniversitesi

    Beslenme ve Diyetetik Ana Bilim Dalı

    PROF. DR. FATMA ÇELİK

  2. Tez No

    825297

    Toksik adenom nedeniyle radyoaktif iyot tedavisi alanlarda hipotiroidi gelişiminin tahmininde makine öğrenimi modellerinin kullanımı

    Predicting hypothyroidism development in toxic adenoma patients undergoing radioactive iodine treatment using machine learning models

    MÜGE ERDEM ÇAĞI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Endokrinoloji ve Metabolizma HastalıklarıÇanakkale Onsekiz Mart Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ERSEN KARAKILIÇ

    DR. ÖĞR. ÜYESİ DUYGU SIDDIKOĞLU

  3. Tez No

    808644

    Gaucher hastalığında beyin parankimi manyetik rezonans görüntüleme bulgularının değerlendirilmesi ve hastalığın alt tipleri arasındaki farklılıkların radyomiks analizi ile karşılaştırılması

    Evaluation of brain parenchyma magnetic resonance imaging findings in gaucher disease and comparison of differences between subtypes of the disease with radiomics analysis

    DUYGU ÖZGÜL ÖZESEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Endokrinoloji ve Metabolizma HastalıklarıÇukurova Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. ÖMER KAYA

  4. Tez No

    709909

    Multi-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting

    Çoklu modal nörogörüntüleme veri tahmini: Bağlantılı beyin şablonunun tahmini ve cinsiyet parmak izi uygulaması ile çoklu grafik sınıflandırma

    NADA CHAARI

    Doktora

    İngilizce

    İngilizce

    2021

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE CAMGÖZ AKDAĞ

    DR. ÖĞR. ÜYESİ ISLEM REKIK

  5. Tez No

    827740

    Ayırıcı tanının güç olduğu bir durumda makine öğrenme yöntemleri ile demans ve hafif kognitif bozukluk ayırt ediciliğinin değerlendirilmesi

    Evaluation of dementia and mild cognitive disorders with machine learning methods in a situation where the differential diagnosis is difficult

    CELAL ŞENER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve TeknolojiDokuz Eylül Üniversitesi

    Medikal İnformatik Ana Bilim Dalı

    PROF. DR. PEMBE KESKİNOĞLU

Geri Dön