Konut kredisi karar süreçlerinin makine öğrenmesi ile tahmin edilmesi
Prediction of home loan approval with machine learning
- Tez No: 934414
- Danışmanlar: PROF. DR. UTKU KÖSE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: En Yakın Komşu Algoritması, Rastgele Orman Algoritması, Destek Vektör Makineleri, Lojistik Regresyon, Makine Öğrenmesi, K-Nearest Neighbor Algorithm, Random Forest Classifier, Support Vector Machines (SVMs), Logistic Regression, Machine Learning
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda dünyada hızla artan konut fiyatlarından dolayı birçok gelir düzeyinden insan konut alabilmek için bankaların konut kredilerine başvuruyorlar. Bankalar kredi başvurularını değerlendirirken kar oranını da yüksek tutabilmek ve risklerini azaltabilmek isterler. Bu nedenle kredi başvurularını değerlendirirlerken geçmiş veriler önemli hale gelmektedir. Bu verilerin hızlı yorumlanması içinde makine öğrenmesi gibi yöntemlerden faydalanılmaktadır. Bu tez çalışmasında farklı makine öğrenmesi modelleri kullanılarak bir bankadan konut kredisi çekmek isteyen müşteriye kredinin verilip verilmeyeceğini tahmin edilmektedir. Bu çalışmada bir bankanın konut kredisi onayı verip vermediğinin tahmin edilmesinde en yakın komşu algoritması, rastgele orman algoritması, destek vektör makineleri, lojistik regresyon olarak dört adet makine öğrenmesi iki farklı veri seti kullanılarak çalışılmıştır. Yapılan çalışmalar sonucunda çıkan sonuçlar performans ölçütleri kullanılarak kıyaslanmıştır. En iyi sonuçlar SVM ve RF algoritmalarında çıkmıştır.
Özet (Çeviri)
In recent years, due to rapidly increasing housing prices worldwide, people from various income levels are applying to banks for mortgage loans to afford housing. Banks aim to keep their profit margins high and minimize risks when evaluating loan applications. Therefore, historical data becomes crucial in their evaluation process. Methods like machine learning are utilized for swift analysis of this data. This thesis aims to predict whether a customer applying for a mortgage loan from a bank will be approved using different machine learning models. In this study, four machine learning algorithms k-nearest neighbors, random forest, support vector machines, and logistic regression were employed using two different datasets to predict whether a bank will approve a mortgage loan. The results of these studies were compared using performance metrics. The best results were obtained with SVM and RF algorithms.
Benzer Tezler
- Comparative study of federated learning for credit risk assessment and fairness evaluation
Federe öğrenmenin karşılaştırmalı çalışması: Kredi risk değerlendirmesi ve adalet ölçümü
MUSTAFA AKTAŞ
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
Yükleniyor...
- Türkiye'de konut yatırımları, konut yatırımlarının ekonomikliği ve yatırım tercihlerini etkileyen faktörlerin analizi
Housing investments, the economic of housing investments and analysis of factors affecting investment preferences in Turkey
ÜSTÜN HATİPOĞLU
- Türkiye'de tüketiciler açısından kredi uygulamalarına ve mevzuata ilişkin genel değerlendirme
General evaluation regarding credit practices and legislation in terms of customers in Turkey
ALPER COŞKUN
- Türkiye'de Dünya Bankası kredilerine dayalı eğitim projelerinin hazırlık ve uygulama sürecine ilişkin bir değerlendirme
An assessment on the preparation and implementation process of educational projects based on World Bank loans in Türkiye
MAHMUT TÜNCEL
- Human capital and spatial attractiveness what are the determinants for human capital flow?
Beşeri sermaye ve mekansal çekicilik: Beşeri sermaye akımlarının mekansal belirleyicileri nelerdir?
DİLCU GÖNÜL
