Makine öğrenmesi algoritmaları ile Türkiye'deki zorunlu deprem sigortası eğiliminin tahminlenmesi
Predicting the trend of compulsory earthquake insurance in Turkey by machine learning algorithms
- Tez No: 976079
- Danışmanlar: PROF. DR. EZGİ AKTAR DEMİRTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kalite Yönetimi ve Kalite Güvence Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Türkiye'deki konut sahiplerinin Zorunlu Deprem Sigortası (ZDS) yaptırma eğilimlerini, dokuz farklı makine öğrenmesi (ML) sınıflandırma algoritması kullanarak tahmin etmeyi amaçlamaktadır. Veri seti; demografik, yapısal ve coğrafi özellikleri yansıtan 11 bağımsız değişken ile ikili (evet/hayır) bir bağımlı değişkenden oluşmaktadır. Veriler çevrim içi anket yoluyla toplanmış, eksik yanıtlar çalışmadan çıkarılarak ön işleme tabi tutulmuştur. En yüksek doğruluk oranına (%70) Gradient Boosting (GB) algoritması ulaşmıştır. SHAP (SHapley Additive exPlanations) analizine göre“Aylık Net Gelir”,“Dairenin Metrekaresi”,“Bina Kat Sayısı”ve“Binanın İnşa Yılı”en belirleyici değişkenler olmuştur. Odds Ratio (OR) analizleri ise, yüksek gelirli, büyük metrekareli ve yeni binalarda yaşayan bireylerin ZDS yaptırma olasılığının anlamlı derecede yüksek olduğunu göstermektedir. Buna karşılık, eğitim düzeyi yüksek bireylerin ZDS yaptırma olasılığı eğitim düzeyi düşük kişilere göre daha düşüktür. Elde edilen bulguların, sigorta sektörü ve kamu kurumları için daha etkili politikalar geliştirilmesine katkı sağlaması beklenmektedir.
Özet (Çeviri)
This study aims to predict the tendency of homeowners in Turkey to purchase Compulsory Earthquake Insurance (CEI) using nine different machine learning (ML) classification algorithms. The dataset includes 11 independent variables related to demographic, structural, and geographic attributes, and one binary dependent variable. Data were collected via an online survey and preprocessed by removing incomplete responses. The Gradient Boosting (GB) algorithm achieved the highest performance with 70% accuracy. According to the SHAP (SHapley Additive exPlanations) analysis,“Monthly Income,”“Square Meter Area,”“Number of Floors,”and“Construction Year”were the most significant features. The Odds Ratios (ORs) demonstrate that individuals with higher income and those living in newer and larger residences exhibit a significantly greater likelihood of possessing CEI. It was observed that individuals with higher education levels were less inclined to purchase insurance. Detailed analysis of the obtained results is expected to contribute to more effective policy-making in the insurance sector and among public authorities.
Benzer Tezler
- Türkiye'deki havalimanlarında düşük görüş mesafesinin istatistiksel ve meteorolojik analizi ile makine öğrenmesi tabanlı tahmini
Statistical and meteorological analysis, and machine learning-based prediction of low visibility at airports in Türkiye
İBRAHİM AKBAYIR
Doktora
Türkçe
2025
Sivil Havacılıkİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ DEMİRHAN
- Credit evaluation through boosted decision trees
Arttırılmış karar ağaçları ile kredi değerlendirme
BARIŞ ABACI
Yüksek Lisans
İngilizce
2018
BankacılıkBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEVFİK AYTEKİN
- Short term load forecasting by using artificial neural networks
Yapay sinir ağları kullanılarak kısa dönemli yük tahmini
ALI GHADIRIASL NOBARI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Türkiye'de ingiliz yarış atlarının kazanç durumlarına etkili faktörlerin sınıflamaya dayalı bazı makine öğrenmesi algoritmaları ile incelenmesi
Investigation of the factors affecting the earning status of thoroughbreds in Türkiye with some machine learning algorithms based on classification
VOLKAN TÜRKMEN
Doktora
Türkçe
2024
Veteriner HekimliğiAnkara ÜniversitesiVeterinerlik Biyoistatistik Ana Bilim Dalı
DOÇ. DR. DOĞUKAN ÖZEN
- Türkiye'deki Suriyeli sığınmacılar algısı: Türkçe Twitter verileri ile duygu analizi
The perception of the Syrian asylum seekers in Türkiye: Sentiment analysis with Turkish Twitter data
İLHAN PARLAK
Yüksek Lisans
Türkçe
2022
İletişim BilimleriOndokuz Mayıs Üniversitesiİletişim Bilimleri Ana Bilim Dalı
DOÇ. DR. ÖMER ÇAKIN