Geri Dön

Makine öğreniminde validasyon teknikleri

Validation techniques in machine learning

PDF İndir

  1. Tez No: 953205
  2. Yazar: GÖRKEM TEMEL
  3. Danışmanlar: PROF. DR. AYLA ŞAYLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Matematik, Sigortacılık, Science and Technology, Mathematics, Insurance
  6. Anahtar Kelimeler: Validasyon teknikleri, sınıflandırma algoritmaları, makine öğrenmesi, dava modelleri, Validation techniques, classification algorithms, data pre-processing, machine learning, litigation models
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Matematik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 83

Özet

Projenin araştırma konusu, sigorta veri seti üzerinde makine öğrenmesinde farklı doğrulama tekniklerinin kullanımı olan“Talep Dosyaları İçin Dava Tahmin Modelinin Validasyonu”dur. Proje kapsamında, eksper raporu sisteme düştüğü anda, rapordaki bilgiler doğrultusunda ilgili hasar tutarının sigorta şirketi tarafından reddedilmesi durumunda, hasar sahibinin dosyayı mahkemeye taşıma olasılığı tahmin edilmiştir. Bu sayede, hasar dosyaları hakkında ileriye dönük bilgi edinilmesi ve ret/kabul kararının daha bilinçli verilmesi hedeflenmiştir. Böylece hem hasar miktarı dava miktarından daha az olabilecek dosyalarda maliyetin artmasının önüne geçilecek hem de hasar reddi sonucu ortaya çıkacak olan müşteri memnuniyetsizliği ortadan kaldırılacaktır. Hasar dosyalarından dolayı sigorta fimasına dava açılması sigorta sektöründeki en önemli sorunlardan biridir. Öncelikle, normalize edilmemiş ve anormallik verilerine dayanan dava açılma veya açılmaması işlemlerinin yapı ve özelliklerini incelemek için veri madenciliği teknikleri kullanılmıştır. Öte yandan, dava açılma veya dava açılmamasının otomatik olarak tahmin edilmesi için makine öğrenmesi modelleri uygulanmış ve bu modellerin güvenilirliğini değerlendirmek amacıyla validasyon teknikleri çalışılmıştır. Bu doğrultuda, farklı validasyon teknikleri kullanılarak sınıflandırma algoritmalarının dava açılmasının tahminlerindeki performans değerlendirme metriklerinin analizleri yapılmıştır. Makine öğrenmesi modellerinin veri kalıplarını öğrenerek dava açılma işlemlerini tanımlayabilmesi kadar, bu modellerin doğru ve güvenilir tahminler üretebilmesi için kullanılan validasyon tekniklerinin belirlenmesi de kritik öneme sahiptir. Hasar dosyası için dava açılması veya açılmamasının tahmin edilmesi çalışması, yalnızca sınıflandırma algoritmalarının performansını değerlendirmekle kalmayıp, aynı zamanda farklı validasyon tekniklerinin model başarısı üzerindeki etkilerini karşılaştırarak en uygun olanın belirlenmesine odaklanmaktadır. Bu süreç, mahkemeye giden hasar dosyalarının fazladan maliyetinin (dava ücreti, avukat masrafı vb.) azaltılması ve müşteri memnuniyetinin artırılması açısından büyük önem taşımaktadır. Bu yorumlamalar hasar analistleri kendilerine bir hasar dosyası geldiğinde hasarın durumunu analiz ederek ilgili hasarı reddettiğinde bu hasar dosyasının mahkemeye gitme olasılığına bakarak, hasar tutarı özelinde ilgili hasarı reddetme ya da reddetmeme durumunda karar verilmesine yardımcı olacaktır.

Özet (Çeviri)

The research area of the project is different validation techniques in machine learning on the insurance dataset,“Litigation Model's Validation for Claim Files”. Within the scope of this project, in the case of the insurance company rejection of the insured claim's amount based on the expert report, the litigation models of insured are calculated. The main aim is to have forward-looking information about the claims files before the requested amount rejection to make more informed decisions if the requested amount is not above the additional costs associated with lawsuits (such as court and attorney fees) faced by the company and also for customer dissatisfaction that may arise because of claim rejections. Whether a damage file results in a lawsuit is one of the most critical problems in the insurance sector. To begin with, data mining techniques are used to examine the structure and characteristics of both sued and non-sued cases, based on data normalization and anomalies. Furthermore, machine learning models have been applied to automatically predict whether a claim will be litigated or not, and validation techniques are used to evaluate the reliability of these models. In this respect, the performance metrics of classification algorithms in predicting lawsuits were analyzed using different validation techniques. In addition to machine learning models being able to identify suing tendencies by learning from data patterns, it is also crucial to determine the appropriate validation techniques to ensure accurate and reliable predictions. The study focuses not only on evaluating the performance metrics of classification models in predicting lawsuits, but also on comparing the effects of different validation methods on model success. This process is essential in terms of reducing the additional costs associated with lawsuits (such as court and attorney fees) and maintaining customer satisfaction. When damage analysts receive a claims file, they analyze the file's status; in cases of rejection, they can have a preliminary idea about the likelihood of the claimant suing the company. This insight will assist in making a betterinformed decision on whether to reject the claim, particularly when the compensation amount is significant.

Benzer Tezler

  1. Tez No

    884316

    Penalized stable regression

    Cezalandırılmış stabil regresyon

    İREM SARIBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜL İNAN

  2. Tez No

    625830

    A taxonomy of artificial neural networks

    Yapay sinir ağlari'nin bir taksonomisi

    ALP EREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  3. Tez No

    879104

    Makine öğrenimine dayalı akciğer kanserinin erken tanısında belirsizlik ölçeğinin tespiti

    Detection of the uncertainty scale in the early diagnosis of lung cancer based on machine learning

    SEMA ÜZÜLMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAFER ASLAN

  4. Tez No

    885563

    From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency

    Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak

    ERHAN YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN

  5. Tez No

    938060

    Advanced approaches to fuzzy cognitive mapping for enhancing convergence, learning, and prediction

    Yakınsama, öğrenme ve tahmin performansının iyileştirilmesi için bulanık bilişsel haritalarda ileri yaklaşımlar

    MİRAÇ MURAT

    Doktora

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UMUT ASAN

Geri Dön