Yenilenmiş akıllı telefon piyasasında makine öğrenmesi ile fiyat tahmin modelleri oluşturulması
Developing machine learning models for price prediction in the refurbished smartphone market
- Tez No: 951603
- Danışmanlar: DOÇ. DR. TOLGA AYDIN, DR. ÖĞR. ÜYESİ MUHAMMED FATİH ALAEDDİNOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Amaç: Bu tezde, yenilenmiş akıllı telefon fiyatlarını tahmin etmek için geleneksel makine öğrenmesi ve derin öğrenme yöntemlerinin performansları karşılaştırılmıştır. Yenilenmiş akıllı telefon pazarı, ekonomik koşulların getirdiği daha düşük fiyat avantajları ve sürdürülebilirlik talepleri nedeniyle giderek büyüyen bir sektör haline gelmiştir. Yöntem: Tez kapsamında, 36.130 cihaz verisi kullanılarak bir fiyat tahmin modeli geliştirilmiştir. Veri seti, marka, model, batarya kapasitesi, hafıza, renk, kozmetik durum, yenileme derecesi ve veri aktarım kapasitesi gibi 11 özellik içermektedir. Veri ön işleme aşamasında eksik değerler doldurulmuş, aykırı değerler tespit edilip düzenlenmiş ve kategorik değişkenler sayısal değerlere dönüştürülmüştür. Bulgular: Tezde Doğrusal Regresyon, Ridge, Lasso, Karar Ağacı, Rastgele Orman, K-En Yakın Komşu, Destek Vektör Regresyonu, Gradient Boosting, AdaBoost, Bagging, XGBoost ve LightGBM gibi geleneksel makine öğrenmesi algoritmaları ile LSTM ve DNN gibi derin öğrenme yöntemleri kullanılmıştır. Sonuç: Sonuçlar, XGB regressor modelinin çapraz doğrulama yöntemi kullanarak 0.9896 R² skoru ile en yüksek performansı elde ettiğini göstermiştir. Derin öğrenme modelleri arasında LSTM 0.9313 R² puanıyla iyi performans sergilemiştir. Ağaç tabanlı modeller, doğrusal modellere kıyasla yenilenmiş telefon fiyatlandırmasındaki karmaşık ilişkileri daha etkili bir şekilde yakalamıştır. Bu tez, yenilenmiş telefon pazarındaki fiyatlandırma süreçlerini iyileştirmesi ve tüketiciler ile satıcılar için daha şeffaf bir fiyatlandırma mekanizması sunması açısından önemli katkılar sağlamaktadır.
Özet (Çeviri)
Purpose: In this study, the performance of traditional machine learning and deep learning methods was compared to predict the prices of refurbished smartphones. The refurbished smartphone market has become a growing sector due to lower price advantages brought about by economic conditions and sustainability demands. Method: Within the scope of the study, a price prediction model was developed using data from 36,130 devices. The data set contains 11 features, including brand, model, battery capacity, memory, colour, cosmetic condition, refurbishment level, and data transfer capacity. During the data preprocessing phase, missing values were filled in, outliers were identified and adjusted, and categorical variables were converted to numerical values. Findings: The study utilised traditional machine learning algorithms such as Linear Regression, Ridge, Lasso, Decision Tree, Random Forest, K-Nearest Neighbour, Support Vector Regression, Gradient Boosting, AdaBoost, Bagging, XGBoost, and LightGBM, as well as deep learning methods such as LSTM and DNN. Results: The results show that the XGBoost model achieved the highest performance with an R² score of 0.9896 using cross validation. Among deep learning models, LSTM performed well with an R² score of 0.9313. Tree-based models captured the complex relationships in refurbished phone pricing more effectively than linear models.
Benzer Tezler
- İntihar davranışı bozukluğu ile intihar olmayan kendini yaralama tanısı olan ergenlerin akıllı telefon bağımlılığı riski ve siber zorbalık açısından karşılaştırılması
Comparison between suicidal behavior disorder and non-suicidal self injury in terms of smartphone addiction risk and cyberbullying
ELİF YERLİKAYA ORAL
Tıpta Uzmanlık
Türkçe
2022
PsikiyatriSağlık Bilimleri ÜniversitesiÇocuk Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. GÜL KARAÇETİN
- 12-17 yaş arası adölesanların siber zorbalık deneyimleri ve ebeveynlerin siber zorbalık konusundaki farkındalık durumlarının incelenmesi
Investigation of 12-17 aged adolescents, cyberbullying experiences and their parents awareness of cyber bullying
DİLEK ULUDAŞDEMİR
Yüksek Lisans
Türkçe
2017
HemşirelikYıldırım Beyazıt ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. SİBEL KÜÇÜK
- Adölesanlarda teknoloji bağımlılığının postür, psikolojik durum ve uyku kalitesi ile ilişkisi
The relationship between technology addiction and posture, psychological state, sleep quality in adolescents
ŞEYMA NUR ŞEN
Yüksek Lisans
Türkçe
2025
Fizyoterapi ve RehabilitasyonKırıkkale ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. MERAL SERTEL
- Deneyimsel pazarlama ve artırılmış gerçeklik üzerine nitel bir araştırma
A qualitative research on experiential marketing and augmented reality
BANU ÇABRİ
- Bölgesel patlatma tasarımı ve analizi yapabilen bir mobil uygulama yazılımının geliştirilmesi
Development of a mobile application software capable of regional blast design and analysis
BARIŞ KADEM
Yüksek Lisans
Türkçe
2024
Maden Mühendisliği ve Madencilikİstanbul Üniversitesi-CerrahpaşaMaden Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR KARADOĞAN