Hiyerarşik ve hiyerarşik olmayan kümeleme yöntemlerinin performans karşılaştırılması üzerine bir çalışma
A study on the performance comparison of hierarchical and non-hierarchical clustering methods
- Tez No: 992078
- Danışmanlar: DR. ÖĞR. ÜYESİ NEBAHAT BOZKUŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi ve Analitiği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı hiyerarşik ve hiyerarşik olmayan kümeleme yöntemlerinin aynı veri seti üzerindeki performansını karşılaştırmaktır. Bu kapsamda birleştirici hiyerarşik kümeleme yöntemlerinden klasik hiyerarşik kümeleme, BIRCH, CURE ve CHAMELEON algoritmaları, bölücü hiyerarşik kümeleme algoritmalarından DIVCLUS-T ve DIANA algoritmaları, hiyerarşik olmayan yöntemlerden ise bölünme temelli algoritmalardan; k-means, PAM ve CLARA, yoğunluk temelli algoritmalardan DBSCAN ve model temelli algoritmalardan ise MCLUST algoritmaları PISA 2022 Türkiye öğrenci veri seti üzerinde uygulanmıştır. Veri ön işleme aşamasında eksik ve varyansı sıfır olan veriler çıkarılmış, standartlaştırma, eksik veri ataması ve boyut indirgeme yapılarak veri kümeleme için uygun hale getirilmiştir. Uygun küme sayısı, silhouette, Calinski-Harabasz ve gap indeksleri kullanılarak belirlenmiş, kümeleme sonuçları arasındaki benzerlik adjusted Rand indeks ile değerlendirilmiştir. Bulgular, klasik hiyerarşik kümeleme ile BIRCH algoritmasının birbirine daha benzer küme yapıları oluşturduğunu; diğer hiyerarşik kümeleme algoritmaları ile hiyerarşik olmayan yöntemlerin ise daha farklı kümeler oluşturduğunu göstermiştir. Öğrenci profilleri, aile eğitim ve mesleki statüsü, dijital kaynaklara erişim ve kullanım, psikolojik iyi oluş ve matematik motivasyonu gibi faktörler etrafında şekillenmiştir. Akademik performansta belirgin farklılık gözlenmezken, cinsiyetin etkisi sınırlı kalmıştır.
Özet (Çeviri)
The aim of this study is to compare the performance of hierarchical and non-hierarchical clustering methods on the same dataset. Within this scope, agglomerative hierarchical clustering methods including classical hierarchical clustering, BIRCH, CURE, and CHAMELEON algorithms; divisive hierarchical clustering algorithms such as DIVCLUS-T and DIANA; and non-hierarchical methods including partition-based algorithms (k-means, PAM, CLARA), density-based algorithm DBSCAN, and model-based algorithm MCLUST were applied to the PISA 2022 Turkey student dataset. During data preprocessing, missing values and variables with zero variance were removed, and the data was standardized, missing values were imputed, and dimensionality reduction was performed to prepare the data for clustering. The optimal number of clusters was determined using silhouette, Calinski-Harabasz, and gap indices, and the similarity between clustering results was evaluated using the adjusted Rand index. The findings indicate that hierarchical methods produced more similar cluster structures, whereas other hierarchical models and non-hierarchical methods yielded more distinct clusters. Student profiles were shaped around factors such as family education and occupational status, access to and use of digital resources, psychological well-being, and mathematics motivation. No significant differences were observed in academic performance, while the effect of gender was limited
Benzer Tezler
- Çok kriterli karar verme yöntemlerinin karşılaştırılması: İnsani gelişmişlik endeksi bileşenlerine göre G-20 ülkeleri üzerine bir inceleme
The comparison of multi-criteria decision making methods: An examination on G-20 countries according to human development index components
İSA GÜRKAN MERAL
Doktora
Türkçe
2020
EkonomiAnkara Hacı Bayram Veli ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. SİBEL ATAN
- Context aware real-time clustering with cortical coding method
Kortikal kodlama yöntemi ile bağlama duyarlı gerçek zamanlı kümeleme
SELİM EREN ERYILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Farklı kümeleme tekniklerinin karşılaştırılması üzerine bir uygulama
An application on the comparison of different clustering techniques
CEREN CAMKIRAN
Yüksek Lisans
Türkçe
2017
İstatistikMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ŞAHAMET BÜLBÜL
- Machine learning based selection of candidate wells for extended shut-in due to fluctuating oil prices
Değişken petrol fiyatları nedeniyle uzun süreli kapatılması gereken kuyuların makine öğrenmesi ile belirlenmesi
BEYZA LOBUT
Yüksek Lisans
İngilizce
2024
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN BURAK KULGA
DOÇ. DR. FAZIL EMRE ARTUN
- Grup teknolojisi kümelendirme yöntemleri ve atama yönteminin bilgisayar destekli uygulaması
Group technology clustering methods and computer aided applications of the assignment method
İRFAN AKKUŞ
Yüksek Lisans
Türkçe
1992
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. M. BÜLENT DURMUŞOĞLU