Makine öğrenmesi teknikleri kullanarak İzmir Konak'daki evlerin kira bedeli tahminlemesi
Predicting rental prices of houses in İzmir Konak using machine learning techniques
- Tez No: 970582
- Danışmanlar: DR. ÖĞR. ÜYESİ KUTAN KORUYAN
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Management Information Systems, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Tahminleme, İzmir-Konak, Forecasting, İzmir-Konak
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde enflasyonist ortam ve döviz kuru dalgalanmaları inşaat sektöründeki maliyetlerin artmasına neden olmaktadır. Artan maliyet konut arzını sınırlandırırken, nüfus artışı ise konuta olan talebi arttırmaktadır. Arz talep dengesizliği ev fiyatlarının öngörülemez şekilde yükselmesine sebep olmaktadır. Sabit gelirli bireyler açısından konut sahibi olmak gün geçtikçe daha ulaşılmaz bir hedef haline gelmektedir. Mevcut ekonomik koşullar altında bireyler de barınma ihtiyaçlarını karşılamak amacıyla kiralık konutlara yönelmektedir. Bu bağlamda, konut piyasasının mevcut dinamiklerini daha iyi anlayabilmek ve fiyat belirleme sürecine katkı sunabilmek amacıyla Konak ilçesindeki kiralık konut ilanları incelenmiştir. Çalışmada gerçek ilan verileri kullanılarak, kira fiyatlarını etkileyen temel değişkenler belirlenmiş ve çeşitli makine öğrenmesi modelleriyle kira bedelleri tahmin edilmeye çalışılmıştır. Analiz sürecinde kullanılan veri seti, 2024 yılı boyunca Emlakjet platformunda yayımlanan Konak ilçesine ait kiralık konut ilanlarından web kazıma yoluyla elde edilmiştir. Tahminleme sürecinde çok değişkenli doğrusal regresyon, rastgele orman ve destek vektör regresyonu gibi farklı makine öğrenmesi algoritmaları kullanılmıştır. Modellerin performansları, ortalama mutlak hata (MAE), kök ortalama karesel hata (RMSE) ve ortalama mutlak yüzde hata (MAPE) gibi istatistiksel kriterlerle karşılaştırılmıştır.
Özet (Çeviri)
Today, inflationary conditions and exchange rate fluctuations are causing costs in the construction sector to increase. While increasing costs limit the supply of housing, population growth increases the demand for housing. The supply-demand imbalance causes house prices to rise unpredictably. Owning a house is becoming an increasingly unattainable goal for individuals with fixed incomes. Under current economic conditions, individuals are also turning to rental housing in order to meet their housing needs. In this context, rental housing advertisements in Konak district were examined to better understand the current dynamics of the housing market and to contribute to the price determination process. In the study, by using real advertisement data, the basic variables affecting rental prices were determined and rental prices were tried to be estimated with various machine learning models. The data set used in the analysis process was obtained through web scraping from rental housing advertisements of Konak district published on the Emlakjet platform throughout 2024. Different machine learning algorithms such as multivariate linear regression, random forest and support vector regression were used in the prediction process. The performances of the models were compared with statistical criteria such as mean absolute error (MAE), root mean square error (RMSE) and mean absolute percentage error (MAPE).
Benzer Tezler
- A comparative evaluation of feature selection algorithms for cancer classification through gene expression data
Gen ifadesi verileri aracılığıyla kanser sınıflandırmasında öznitelik seçme algoritmalarının karşılaştırmalı değerlendirilmesi
ASLI TAŞÇI
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜRKER İNCE
PROF. DR. CÜNEYT GÜZELİŞ
- Land cover classification using cloud-based machine learning techniques: A case study from Istanbul Metropolitan City
Bulut tabanlı makine öğrenmesi teknikleri kullanılarak arazi örtüsü sınıflandırması: İstanbul Metropol örneği
ŞEVVAL DURMAZBİLEK
Yüksek Lisans
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Modlar arası lojistik operasyonların optimizasyonunda yeşil ve yenilikçi çözüm yaklaşımları
Green and innovative solution approaches for the optimization of intermodal logistics operations
FATMA TALYA SUDABAŞ
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SELİN SONER KARA
- Makine öğrenimi teknikleri kullanarak güneş radyasyon tahmini ile entegre edilmiş optimum ev enerji yönetim sistemi tasarımı
Design of an optimal home energy management system integrated with solar radiation forecasting using machine learning techniques
MUHAMMED ŞAMİL ÇİMEN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİzmir Bakırçay ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAYRAM KÖSE
- Using traditional and deep machine learning methods on predicting triage level in an emergency room
Geleneksel makine öğrenmesi ve derin öğrenme yöntemleriyle acil servis triyaj tahminlemesi
MEHMET YILDIRIM
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE UĞUR
PROF. DR. AYŞE BAŞAR