Rastgele orman algoritması temelli nesnel bir ölçüt ağırlıklandırma yöntemi önerisi ve insan kaynakları analitiği için dinamik bir uygulama
A random forest algorithm-based objective attribute weighting method proposition and its dynamic application on human resources analytics
- Tez No: 953383
- Danışmanlar: DOÇ. DR. SAİT GÜL, DR. ÖĞR. ÜYESİ TAMER UÇAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İşletme Mühendisliği Bilim Dalı
- Sayfa Sayısı: 104
Özet
Bu çalışmada, araştırma yapılması için paylaşılmış açık kaynak bir veri seti kullanılarak personelin işten ayrılmasının tahminlenebilmesi ve özniteliklerin bu modele hangi oranda katkı sunduğuna dair nesnel bir ağırlıklandırma yöntemi (RAFOW) önerilmektedir. Makine öğrenmesinin veriden anlam çıkararak, probleme özgü öznitelik ağırlıkları belirleyebilmesi literatüre sağladığı yeni bir katkıdır. Rastgele orman tekniği ile ağaçlar oluşturulurken düğümlere öznitelikleri rastgele olarak atama özelliğinden faydalanarak, ağaçların seviye 0, seviye 1 ve seviye 2 seviyelerindeki bölünme/aday oranları hesaplanmış ve o model üzerindeki ağırlıklar normalize edilerek gösterilmiştir. Hali hazırda Sklearn kütüphanesinin özellik önem hesaplama tekniği olan her ağaçtaki safsızlık azalması prensibi ile ağırlık çıkarılması yöntemiyle birlikte bu çalışmada ileri sürülen yöntemin karşılaştırılması yapılmıştır. RAFOW yönteminin, sklearn kütüphanesi kullanılarak elde edilen özellik önem dağılımına göre daha dengeli bir ağırlandırma yapabildiği, önemsiz gibi görünen özelliklerinin öneminin daha yüksek olabildiğini gösteren kazanımlar sağlamıştır. İnsan kaynakları analitiğinde, RAFOW ve ARAS yöntemlerinin birlikte kullanımında açıklanabilirlik, kolaylık, anlaşılabilirlik ve uygulanabilirlik gibi faydalar bu çalışmada ortaya çıkarılmıştır. Personel sayısı değiştikçe, oluşan yeni veri seti üzerinde oldukça kısa bir sürede yeni öznitelik ağırlıkları dinamik şekilde oluşturulabileceği bu çalışmada uygulamalı şekilde ortaya konulmuştur.
Özet (Çeviri)
In this study, an objective weighting method (RAFOW) is proposed to predict employee turnover and determine the contribution levels of features to this model using a publicly available open-source dataset. The ability of machine learning to derive insights from data and assign problem-specific feature weights represents a novel contribution to the literature. By utilizing the feature assignment characteristic of the random forest technique during tree construction, split/candidate ratios at levels 0, 1, and 2 were calculated, and the weights on the model were normalized and presented. A comparison was made between the proposed method and the impurity reduction principle-based feature importance calculation technique in Scikit-learn's library. The study highlights the benefits of using RAFOW and the ARAS methods together in human resources analytics, emphasizing advantages such as explainability, simplicity, comprehensibility, and applicability. Furthermore, it is demonstrated through practical implementation that dynamic feature weights can be generated in a very short time for a new dataset as the number of employees changes.
Benzer Tezler
- Gemi adamlarının işe alım süreci için ölçme değerlendirme sisteminin geliştirilmesi
Developing a measurement and evaluation system for seafarers' recruitment process
İPEK GÖLBOL PEKDAŞ
Doktora
Türkçe
2025
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZCAN ARSLAN
- Beyin bilgisayar arayüz (BBA) sistemleri için yeni bir yaklaşım
A new approach for brain-computer interface (BCI) systems
SEFA AYDIN
Doktora
Türkçe
2025
Mekatronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT GÖKREM
DOÇ. DR. MESUT MELEK
- Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi
Tree species classification from high resolution digital orthophoto maps
AKHTAR JAMIL
Doktora
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Makine öğrenmesi yöntemleri kullanılarak üç boyutlu nokta bulutlarının sınıflandırılması
Classification of three-dimensional point cloud via machine learning methods
KORAY AKSU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Fully convolutional one-stage object detection model for fire and smoke detection
Yangın ve duman tespiti için tam evrişimsel tek aşamalı nesne algılama modeli
EKREM YILDIZ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KESKİNÖZ