Makine öğrenmesi yaklaşımlarından random forest regressor (RF) ve decision tree regressor (DT) modellerinin akıllı telefon fiyatlarında karşılaştırmalı analizi
Comparative analysis of random forest regressor (RF) and decision tree regressor (DT) models from machine learning approaches on smartphone prices
- Tez No: 900831
- Danışmanlar: PROF. DR. BURHAN PEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 47
Özet
Bu tez, TrendyolSmartPhone veri kümesine odaklanarak, makine öğrenmesi metodolojileri yoluyla cep telefonu fiyat tahmininin kapsamlı bir incelemesini sunmaktadır. Çalışmada veri kümesine makine öğrenimi algoritmalarından Rastgele Orman (RF) ve Karar Ağaçları (DT) modelleri ayrı ayrı kullanılarak sonuçları karşılaştırılmıştır. Hedeflenen temizleme, homojenleştirme ve kategorik değişkenlerin sayısallaştırılması dahil olmak üzere kapsamlı veri ön işlemesi, fiyat tahmini için Random Forest Regressor and Decision Tree Regressor modellerinin başarılı bir şekilde uygulanmasına zemin hazırlamaktadır. Ekran boyutları ve işletim sistemleri gibi temel özelliklerin görselleştirilmesi, bunların cep telefonu fiyatları üzerindeki etkilerine ilişkin ayrıntılı bilgiler sunmaktadır. Tez, cep telefonu fiyat tahminine ilişkin literatüre katkıda bulunarak ve sürekli iyileştirme ihtiyacını vurgulayarak sonuçlanmaktadır. Öneriler arasında daha büyük veri kümelerinin araştırılması, daha kapsamlı hiperparametre ayarı, çeşitli makine öğrenmesi ile derin öğrenme mimarilerinin araştırılması ve ticari ve endüstriyel bağlamlarda pratik uygulamalar yer almıştır. Bu araştırma, cep telefonu fiyatlandırma stratejileri ve karar verme süreçleri alanını ilerletmeyi amaçlayan gelecekteki çalışmalar için temel bir çerçeve sunmaktadır. Model performansını artırmak ve karşılaştırmalı analizlerin kapsamını genişletmek için daha büyük ve daha çeşitli veri kümelerinin toplanması zorunluluğuna vurgu yapılmaktadır.
Özet (Çeviri)
This thesis presents a comprehensive examination of smartphone price prediction through machine learning methodologies, focusing on the TrendyolSmartPhone dataset. In the study, the dataset was analyzed using Random Forest (RF) and Decision Tree (DT) models, and their results were compared. Extensive data preprocessing, including targeted cleaning, homogenization and quantification of categorical variables, paves the way for the successful application of Random Forest Regressor and Decision Tree Regressor models for price prediction. Visualization of key features such as screen sizes and operating systems provides detailed insights into their impact on smartphone prices. The thesis concludes by contributing to the literature on smartphone price prediction and emphasizing the need for continuous improvement. Recommendations include exploration of larger datasets, more comprehensive hyperparameter tuning, exploration of various deep learning architectures, and practical applications in commercial and industrial contexts. This research provides a basic framework for future studies aimed at advancing the field of mobile phone pricing strategies and decision-making processes. Emphasis is placed on the need to collect larger and more diverse datasets to improve model performance and expand the scope of comparative analyses.
Benzer Tezler
- Development of a new machine learning-based method to detect threats and prevent attacks on the internet of things and simulation with Cooja
Nesnelerin internetinde tehditleri algılamak ve saldırıları önlemek için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi ve Cooja ile benzetimi
ALI HAMID AHMED SALEH FAREA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Ai-based classification between healthy and vestibular system impaired individuals using gait parameters
Sağlıklı ve vestibüler sistem (VS) bozukluğu gösteren ve göstermeyen bireyler arasındaki yürüme parametrelerinin yapay zeka tabanlı sınıflandırılması
DUA HİŞAM
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
ASSOCIATE PROF. DR. SERHAT İKİZOĞLU
- Makine öğrenmesi kullanılarak pulmoner tromboemboli riski olan hastaların belirlenmesi
Determination of patients with pulmonary thromboembolism risk using machine learning
SENEM KOCA
Tıpta Uzmanlık
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. AFŞİN EMRE KAYIPMAZ
- Makine öğrenmesi yöntemleriyle anormal içme suyu tüketimlerinin tespit edilmesi ve tahmin modellerinin geliştirilmesi
Detecting abnormal drinking water consumptions and developing forecast models by machine learning methods
İSMAİL GÜNEY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ