Makine öğrenmesi yaklaşımlarının formula 1 yarış sonuçları tahmini için karşılaştırılması
Comparison of machine learning approaches for predicting formula 1 race results
- Tez No: 938473
- Danışmanlar: PROF. DR. SERHAT ÖZEKES
- 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: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: 104
Özet
Bu çalışma, motor sporlarının önemli bir dalı olan Formula 1 yarışlarının sonuçlarının tahmin edilmesi üzerine hazırlanmıştır. Çalışmada, yapay zekanın bu tahmin edilmesi zor alandaki performansı incelenmiştir. İlk olarak, 2014-2023 yılları arasındaki Formula 1 verileri üzerinde çalışılmış ve veri setine SMOTE uygulanarak dengesiz veri yapısı dengelenmiştir. Verilerde öznitelik seçimi gerçekleştirilerek ve öznitelik seçimi yapılmadan çeşitli makine ve derin öğrenme teknikleri kullanılarak modeller eğitilmiştir. Karşılaştırma sonuçları, özellikle Karar Ağacı (DT) ve Rastgele Orman (RFC) algoritmaları için, öznitelik seçimi yapılmadan daha yüksek doğruluk oranlarına ulaşıldığını göstermiştir. Buna karşılık, Destek Vektör Makineleri (SVM) ve LSTM algoritmaları öznitelik seçimi sonrasında da nispeten yüksek doğruluk oranlarını korumuştur. Ancak, öznitelik seçimi sonrası tahmin başarısında önemli düşüşler gözlemlenmiştir. Bu bulgular, Formula 1 gibi birçok etkenin önemli olduğu sporlarda öznitelik seçiminin tahmin doğruluğunu olumsuz etkileyebileceğini ortaya koymaktadır.
Özet (Çeviri)
This study focuses on predicting the results of Formula 1 races, which is a significant branch of motor sports. The performance of artificial intelligence in this challenging prediction task has been examined. Initially, Formula 1 data from the years 2014 to 2023 were used, and SMOTE was applied to balance the imbalanced data structure. Various machine learning and deep learning techniques were employed to train models both with and without feature selection. The comparison results indicated that, particularly for Decision Tree (DT) and Random Forest (RFC) algorithms, higher accuracy rates were achieved without feature selection. In contrast, Support Vector Machines (SVM) and LSTM algorithms maintained relatively high accuracy rates even after feature selection. However, a significant decrease in prediction success was observed after feature selection. These findings suggest that in sports like Formula 1, where many factors play an important role, feature selection can negatively impact prediction accuracy.
Benzer Tezler
- Kuvvetli yer hareketi altında suya doygun kumlarda oluşabilecek oturmaların sayısal analizlerle incelenmesi ve makine öğrenmesiyle değerlendirilmesi
Investigation of settlements in saturated sands under strong ground motion by numerical analysis and evaluation by machine learning
OZAN SUBAŞI
Doktora
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP İYİSAN
- Yaşlı yetişkinlerin sağlık sorunları ile ilgili informal öğrenmeleri
Informal learning of elderly adults about health problems
SELMA ÇOBAN
Doktora
Türkçe
2023
Eğitim ve ÖğretimAnkara ÜniversitesiYaşam Boyu Öğrenme ve Yetişkin Eğitimi Ana Bilim Dalı
PROF. DR. RIFAT MİSER
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- Data-driven prediction and emergency control of transient stability in power systems towards a risk-based optimal power flow operation
Güç sistemlerinde risk tabanlı optimal güç akışı işletimineyönelik geçici hal kararlılığın veri güdümlü tahmini veacil durum kontrolü
SEVDA JAFARZADEH
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. VEYSEL MURAT İSTEMİHAN GENÇ
- Makine öğrenme yaklaşımlarını kullanarak COVID-19 korkusu ve yaşam kalitesinin sosyal fobi üzerine etkisi
Fear of COVID-19 and quality of life effect on social phobia by using machine learning approaches
FARUK ERENCAN BALABAN
Yüksek Lisans
Türkçe
2022
Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiAnkara Hacı Bayram Veli ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DR. NİHAN POTAS