Search

Makine öğrenimi ile var olan veri ile 7 adet model üzerinden en yüksek skoru elde eden kümeleme yöntemi oluşturularak veriye göre en yüksek skor elde ettiğimiz algoritma mantığı geliştirilmiştir. Bu şekilde kısıtlı veri ile modeller ilişkilendirilip çıktıları analiz edilmiştir. Birden fazla mantık içeren modeller seçilerek, sınıflandırma mantığı ve benzeri veriler baz alınarak test puanı ile tahmin puanı arasında en başarılı algoritmalar oluşturulmuştur. Veri analizi 7 model kullanılarak yapılır ve puanlar üzerinden fonksiyonlar yardımıyla verilerinize göre kullanım amacına göre en iyi puan sonuçlarını vermektedir., With the existing data with machine learning, the clustering method that achieves the highest score over 7 models was created, and the algorithm logic, in which we obtained the highest score according to the data, was developed. In this way, models were associated with limited data and their outputs were analyzed. By choosing models containing more than one logic, the most successful algorithms were created between the test score and the prediction score on the basis of the classification logic and similar data. Data analysis is made using 7 models and it provides the best score results according to the purpose of use according to your data with the help of functions over the scores.

Son yıllarda araştırmacılar tarafından makine öğrenmesi algoritmalarını kullanarak sağlık süreçlerinin iyileştirilmesi konusu büyük bir trend haline gelmiştir. Makine öğrenmesi, sağlık hizmetlerinde kaliteyi yükseltmek, hastalık yayılımlarını önlemek, hastalıkları erken teşhis etmek, hastane operasyon maliyetlerini azaltmak, hükümete sağlık hizmetleri politikalarında yardımcı olmak ve sağlık hizmetinin verimliliğini artırmak için kullanılan popüler ve etkili bir yöntem haline gelmiştir. Bu derleme çalışmasında, sağlık alanında gerçekleştirilen makine öğrenmesi çalışmaları özetlenmiş ve sınıflandırılmıştır. Özellikle halk sağlığını tehdit eden ve dünyada ölüm nedenleri listesinde ilk sıralarda yer alan, bulaşıcı olmayan hastalık çalışmalarına odaklanılmıştır. Ayrıca dünyanın en büyük ölümcül hastalıklar listesinde yer alan ve son yıllarda halk sağlığı için acil durum ilan edilen COVID-19 hastalığına da yer verilmiştir. Bu çalışmanın amacı, sağlık alanında çalışma yapan araştırmacılara uygun algoritmalarını seçmesinde yardımcı olmaktır. Derleme çalışmasının sonucunda sağlık hizmetlerinde en iyi performans gösteren sınıflandırma algoritması ortalama %100 doğruluk başarısıyla Decision Tree (DT), Random Forest (RF), Gaussian Naive Bayes (GNB) olmuştur., In recent years, the issue of improving health processes by using machine learning algorithms by researchers has become a big trend. Machine learning has become a popular and effective method used to improve the quality of healthcare services, prevent disease outbreaks, diagnose diseases early, reduce hospital operating costs, assist the government in healthcare policies, and increase healthcare efficiency. In this review, machine learning studies carried out in the field of health are summarized and classified. In particular, the focus is on studies of non-communicable diseases, which threaten public health and are at the top of the list of causes of death in the world. In addition, the COVID-19 disease, which is on the list of the world's largest deadly diseases and has been declared a public health emergency in recent years, is also included. The purpose of this study is to assist researchers working in the field of health in choosing appropriate algorithms. As a result of the compilation studies, the best performing classification algorithm in healthcare services was Decision Tree(DT), Random Forest (RF), Gaussian Naive Bayes (GNB) with an average accuracy of 100%.

Amaç: Bu çalışmanın amacı, işletmelerin sürekliliğinin değerlendirilmesi amacıyla makine öğrenme algoritmalarının kullanımıdır. Bunun için Borsa İstanbul’da 2010-2019 yılları arasında kesintisiz işlem gören 136 şirketin verileri kullanılmıştır. Çalışmaya verilerine ulaşılamayan veya taksonomisi farklı şirketler dahil edilmemiştir. Yaklaşım: Çalışmada yapay sinir ağları, karar ağacı, destek vektör makineleri, rassal orman, k-en yakın komşular sınıflandırma, lojistik regresyon ve gaussian naive bayes algoritmaları kullanılmıştır. Çalışmada kullanılan yapay sinir ağları ile destek vektör makineleri kara kutu olarak çalışmaktadır. Çalışmada kullanılan diğerler algoritmalar kural bazlıdır. Yöntemlerin uygulamasında sınıf dengeli 10 kat çapraz doğrulama yöntemi kullanılmıştır. Bulgular: Yapılan analiz sonucunda karar ağacı ve rassal orman algoritmalarının genel başarı oranları %91,2 ve %91,1, Tip 1 hatası %7,1 ve %7,6, Tip 2 hatası ise %13,2 ve %12,2 olarak tespit edilmiştir. Ayrıca, süreklilik değerlendirmesinde aktif karlılık oranı, birikmiş karlar/toplam aktif oranı, finansal kaldıraç oranı, nakit akış tutarının toplam yükümlülük içindeki oranı ile cari oran önemli değişkenler olarak belirlenmiştir. Özgünlük: Literatürde işletmelerin sürekliliğinin değerlendirilmesine yönelik çok sayıda yöntem kullanılmıştır. Ancak son yıllarda makine öğrenmeleri ön plana çıkmaktadır. Türkiye’de ise işletmelerin sürekliliğinin değerlendirilmesinde makine algoritmalarıyla yapılan çalışma sayısı çok azdır. Bu çalışmada en çok kullanılan algoritmalar birlikte uygulanmıştır. Böylelikle en başarılı algoritmalar tespit edilmiştir. Purpose: The purpose of this study is the use of machine learning algorithms to evaluate the continuity of businesses. For this purpose, the data derived from the 136 companies constantly listed in Borsa Istanbul between the years 2010-2019 are used. Companies whose data could not be accessed or with different taxonomy were not included in the study. Approach: Artificial neural networks, decision tree, support vector machines, random forest, k-nearest neighbor classification, logistic regression and gaussian naive bayes algorithms were used in the study. The artificial neural networks and support vector machines used in the study work as black boxes. Other algorithms used in the study are rule-based. Class balanced 10-fold cross validation method was used in the application of the methods. Findings: As a result of the analysis, the overall success rates of decision tree and random forest algorithms were determined as 91.2% and 91.1%, Type 1 error 7.1% and 7.6%, Type 2 error 13.2% and 12.2%. In addition, return on assets ratio, ratio of retained earnings to total assets, financial leverage ratio, ratio of cash flow amount to total liability and current ratio variables were determined as important variables to evaluate the continuity of businesses. Originality: Numerous methods have been used in the literature to evaluate the continuity of businesses. However, in recent years, machine learning has come to the fore. In Turkey, the number of studies conducted with machine algorithms in the evaluation of the continuity of businesses is very few. In this study, the most used algorithms were applied together. Thus, the most successful algorithms were determined.

Bu tezin amacı aşırı değer ve kaldıraç noktalarına sahip yüksek boyutlu veri yapısının kullanıldığı modelleri farklı robust yöntemlerle tahmin etmek ve performanslarını karşılaştırmaktır. Çalışmada RStudio programı kullanılarak nesne tabanlı simülasyon yöntemiyle sadece dikey aşırı değerlerin olduğu, sadece kaldıraç noktalarının olduğu, hem dikey aşırı değer hem de kaldıraç noktalarını olduğu ve hiçbirinin olmadığı 4 farklı veri seti oluşturulmuş ve bu veri setlerine LAD-Lasso, Kantil Lasso, Robust LARS, Sparse LTS, Huber Lasso ve MTE Lasso robust tahmin yöntemleri uygulanmıştır. Ayrıca tüm yöntemlerin performanslarının gerçek veri setinde araştırılması amacıyla Genişletilmiş Çevresel Kuznets Eğrisi hipotezi altında 2000, 2010 ve 2018 yılları için OECD ülkelerinde karbondioksit emisyonunu etkileyen faktörlerin yer aldığı yüksek boyutlu veri setleri oluşturulmuştur. Bu veri setlerindeki dikey aşırı değer ve kaldıraç noktalarının varlığı tanımlayıcı testler ile araştırılmıştır ve sonrasında bu veri setleriyle oluşturulan modeller çalışmada kullanılan robust yöntemlerle tahmin edilmiştir. Hem simülasyon hem de gerçek veri setlerinde kullanılan robust tahmin yöntemlerinin performans karşılaştırılması çeşitli metriklere dayanarak yapılmış ve sonuçlar tablolarla sunulmuştur. Sonuç olarak simülasyon çalışmalarında, yüksek boyutlu modellerde aşırı değerlerin olmaması ve dikey aşırı değerlerin olması durumunda Robust LARS, kaldıraç noktalarının olması ve hem dikey aşırı değerlerin hem de kaldıraç noktalarının olması durumunda Sparse LTS yöntemleri daha iyi performans göstermiştir. Uygulamada ise simülasyon çalışmasıyla benzer sonuçlar elde edilmiştir. The aim of this thesis is to predict models using high dimensional data structure with outliers and leverage points via different robust methods and compare their performance. In the study, using the RStudio program, 4 different data sets with only vertical outliers, only leverage points, both vertical outliers and leverage points and none of them were created with object oriented simulation method and LAD-Lasso, Kantil Lasso, Robust LARS, Sparse LTS, Huber Lasso and MTE Lasso robust estimation methods were applied to these data sets. In addition, in order to investigate the performances of all methods in real data set, high dimensional data sets were created under the Augmented Environmental Kuznets Curve hypothesis for 2000, 2010 and 2018, including the factors affecting carbon dioxide emissions in OECD countries. The existence of outliers and leverage points in these datasets were investigated by diagnostic tests, and then the models created with these datasets were estimated with the robust methods used in the study. Performance comparisons of robust estimation methods used in both simulation and real data sets were made based on various metrics and the results were presented in tables. As a result, in simulation studies, Robust LARS methods overperform in case of no outliers and existing vertical outliers in high dimensional models, and Sparse LTS methods in case of only leverage points and both vertical outliers and leverage points. In application, similar results were obtained with the simulation study.

Bu tez çalışmasında, veri-tahmin ve algoritma-tahmin ilişkisi çerçevesinde seçilerek kullanılan ML algoritmaları ile Akdeniz Bölgesi hedef alınarak Küresel Güneş Işınımı (KGI)'nın tahmin edilmesi amaçlanmıştır. Hedef yerler için yapılan tahmin çalışmalarında Çok Katmanlı İleri Beslemeli Sinir Ağı (ÇKİBSA), Destek Vektör Regresyonu (DVR), K-En Yakın Komşu (K-NN) ve M5 Kuralları ML algoritmaları kullanılmıştır. ML algoritmalarının tahmin performansı büyük oranda kullanılan veri setinin yapısına duyarlı olduğundan, KGI tahmin çalışmalarında nadir kullanılan Veri Madenciliği (VM) süreçleri ile ML algoritmalarının bir arada kullanıldığı tahmin modelleri önerilmiştir. Çalışmada ilk olarak, VM süreçlerinde kullanılan ön işlem adımları ile her bir ilin ham verileri üzerindeki eksiklikler giderilerek düzenlenmiş ve veri setindeki her değişken için 23,442 adet veri tahmin modellerinde kullanılabilir hale getirilmiştir. Ayrıca VM süreçlerinden KGI üzerinde en etkili olan veri özelliklerinin belirlenmesi sağlanarak, özellik seçim fonksiyonları temelinde girdi veri grupları oluşturulmuştur. İkinci olarak, tezin ana konusu olan veri-tahmin ilişkisinin değerlendirilmesinde oluşturulan veri grupları kullanılarak, ÇKİBSA ML algoritması ile Akdeniz bölgesinin her bir ili için ayrıntılı tahmin modelleri geliştirilmiş ve tahmin sonuçları birbirleri arasında karşılaştırılmıştır. İller arasında en iyi KGI tahmin sonucu GR3 özellik seçim veri grubu ile Mersin ilinde, R2 = 0.9668 ve SMAPE = %6.11 bulunmuştur. Akdeniz bölgesi illerinin ÇKİBSA ML algoritması kullanılarak ayrı ayrı KGI potansiyelinin tahmin edilmesinin yanında, 8 ilin verilerinin bir araya getirilerek bölge geneli bir çalışma yapılmış ve iller bazında yapılan modelleme çalışmalarının genel performansının değerlendirilmesi sağlanmıştır. Bölgenin geneli için geliştirilen modelin en iyi tahmin performansı GR3 veri grubunda R2 = 0.9587 olarak hesaplanırken, 8 ilin R2 tahmin ortalaması yaklaşık olarak 0.9598 bulunmuştur. Üçüncü olarak, farklı ML algoritmalarının KGI tahmin performanslarının değerlendirilmesi için aynı enlem üzerinde bulunan iki ilin veri grupları kullanılarak karşılaştırmalı bir çalışma yapılmıştır. Sonuçlar, hedef yerler için, özellik seçim grupları ile geliştirilen tahminlerin kullanılan her bir ML algoritmasında daha başarılı olduğunu ve her iki ilin ışınım potansiyellerinin benzeştiğini ortaya koymuştur. Tahmin modellerinin performansları farklı istatistiksel göstergeler ile karşılaştırıldığında M5 Kuralları ve K-NN için Kahramanmaraş ilinde MAE ölçeğine göre sırasıyla 0.0418 ve 0.0419 değerleri elde edilirken, Isparta ilinde R2 ölçeğine göre 0.9254 ve 0.9261 sonuçlarına ulaşılmış ve birbirlerine oldukça yakın değerler elde edilmiştir. En düşük tahmin performansı her iki ilde DVR tabanlı LibSVM ile geliştirilen modellerde hesaplanırken, en iyi tahminler ÇKİBSA ML algoritmaları ile elde edilmiştir. Isparta ve Kahramanmaraş illeri için ÇKİBSA ile geliştirilen modellerden en başarılı sonuçlara MAE ve SMAPE istatistiksel ölçeklerine göre sırasıyla 0.0352-0.0341 ve %7.77-%7.79 değerleri ile ulaşılmıştır. Çalışma sonucunda, VM süreçlerinin kullanılan ML algoritmalarını KGI tahmininde oldukça iyi bir tahmin performansı seviyesine ulaştırdığı ve ayrıca modelleme süresini kısaltarak modelin yorumlanmasına önemli bir katkı sağladığı görülmüştür. Veri-tahmin ve algoritma-tahmin ilişkisinin değerlendirildiği çalışmaların tamamında en iyi tahmin performansının elde edilmesini sağlayan özellik seçim veri gruplarındaki değişkenlerin dışında kalan meteorolojik özelliklerin tahmin performansına hiçbir etkisinin olmadığı veya performansı düşürdüğü gözlemlenmiştir. Bunula birlikte yapılan modelleme çalışmalarında KGI üzerinde en etkili meteorolojik verinin Güneşlenme Süresi olduğu anlaşılmıştır. Ayrıca Hatay ili hariç yapılan çalışmaların tamamında tüm girdi özelliklerini kullanmanın en iyi tahmin performansına ulaşmayı sağlayamadığı gösterilmiştir., In this thesis study, the purpose was to the estimate Global Solar Radiation (KGI) by targeting the Mediterranean Region with ML algorithms that were selected based on data-estimation and algorithm-estimation relations. Multilayer Feedforward Neural Network (ÇKİBSA), Support Vector Regression (DVR), K-Nearest Neighbor (K-NN), and M5 Rules ML Algorithms were used for the estimation studies of target places. Since the predictive performance of ML algorithms is largely sensitive to the structure of the dataset employed in this respect, the estimation models that employ a combination of rarely used Data Mining (VM) processes and ML algorithms were proposed in KGI estimation studies. In the study, the first step was to eliminate the deficiencies in the raw data of each city with pre-processing steps used in VM processes and to organize these data and 23,442 data were made useable for each variable in the dataset for the estimation models. Also, the input data groups were created based on the basis of feature selection functions after determining the data attributes, which were most effective on KGI from VM processes. Secondly, detailed prediction models were developed for each city in the Mediterranean Region with the ÇKİBSA ML Algorithm by using the data groups created in the evaluation of the data-estimation relations, which is the main subject of this thesis, and the estimation results were compared with each other. Among the cities, the best KGI estimation result was detected in Mersin with GR3 feature selection data group as R2 = 0.9668 and SMAPE = 6.11%. In addition to estimation the KGI potential of Mediterranean Region cities separately by using the ÇKİBSA ML Algorithm, a region-wide study was conducted by merging the data of 8 provinces to evaluate the overall performance of the modelling studies on a provincial basis. The best prediction performance of the model that was developed for the Mediterranean Region was calculated as R2 = 0.9587 in GR3 data group, and the R2 prediction average of 8 provinces was found to be approximately 0.9598. Thirdly, a comparative study was conducted by using the data groups of two provinces, which are located on the same latitude, to evaluate the KGI prediction performance of different ML algorithms. The results showed that the predictions that were developed with feature selection groups were more successful for target locations in each ML algorithm employed, and the solar radiation potentials of both provinces were similar. When the performance of the prediction models was compared with different statistical indicators, for M5 Rules and K-NN, 0.0418 and 0.0419 values were obtained respectively according to the MAE scale in Kahramanmaraş; and 0.9254 and 0.9261 results were obtained according to the R2 scale in Isparta, and these values were very close to each other. The lowest prediction performance was calculated in models that were developed with the SVR-based LibSVM in both provinces, and the best predictions were obtained with the ÇKİBSA ML algorithms. The most successful results among the models that were developed with ÇKİBSA for Isparta and Kahramanmaraş were obtained with 0.0352-0.0341 and 7.77%-7.79%, respectively according to the MAE and SMAPE statistical scales. As a result, it was concluded that the VM processes bring the ML Algorithms to a fairly good level in terms of estimation performance in KGI, and also contribute to the interpretation of the model at significant levels by shortening the modelling time. In all previous studies in which the data-estimation and algorithm-estimation relations were evaluated, it was found that the meteorological attributes outside the variables in the feature selection data groups, which ensured the best estimate performance, had no effects on -or decreased the performance of- the estimation performance. However, it was also understood in the modelling studies that the most effective meteorological data on KGI was Sunshine Duration. Also, it was concluded that using all the input features in all studies -except for Hatay- does not achieve the best estimate performance.

Otel sayısının her geçen gün arttığı turizm sektöründe, aracı firmaların tüm oteller ile ayrı ayrı çalışma imkanı bulunmadığından, firmalar dünya üzerinde bir çok otelle anlaşması bulunan servis sağlayıcılarıyla beraber çalışmaktadır. Farklı servis sağlayıcılarından alınan otel kayıtlarında tekrarlayan otel verileri olabilmektedir. Tekrarlayan bu kayıtlar aynı bilgilere sahip olabileceği gibi, farklı bilgilere sahip olmasına rağmen aynı oteli temsil edebilmektedir. Otel verilerini tutarlı hale getirmek için aynı oteli temsil eden kayıtlar eşleştirilmelidir. Bu amaçla, otel kayıtları üzerinde çalışılarak, adres zenginleştirmesi ve ön işleme yapılan aday kayıtlar için kategorik ve görsel verilerin benzerliklerinin kullanıldığı makine öğrenmesi algoritmaları uygulanmıştır. Yapılan işlem sonucunda, 132.287 satırlık otel verisinde 14.985 adet otel %99,12 doğruluk oranı ile eşleştirilmiştir. Having the day by day increasing number of hotel entities, dealing with the whole set of hotels individually is almost impossible. Therefore, travel agencies work with online hotel providers which have deals with many hotels around the world. Whereas, working with online providers saves agencies from a big challenge, it degrades the problem of agency to another one: duplicate hotel records from different sources. The repeating records might either have all same set of identical features or features with different values that represent the same hotel. Matching and merging such records need to be applied for a consistent database. In this study, we propose a set of methods which aims to solve the pointed problem. We work on hotel records, applied machine learning algorithms using string and image similarity on records for which address enrichment and pre-processing applied, selecting prior methods as a baseline. Proposed method achieved 99.12% accuracy, matching 14.985 hotels on a 132.287 rows of data. Publisher's Version

Veri miktarının artışına paralel olarak, ilişkisel veri tabanlarında mükerrer kayıtlar da artmaktadır. Artan bu kayıtlar kullanıldıkları rapor veya analizlerde tutarsızlığa sebep olabilmektedir. Bu sorunu en aza indirgemek için yaptığımız çalışmada, kayıtların birbirlerine olan benzerlikleri ve alan uzmanlık bilgisiyle belirlenen ağırlıklar, öznitelik olarak kullanılarak makine öğrenmesi algoritmaları ile mükerrer kayıtların bulunması hedeflenmiştir. Yapılan işlem sonucunda 9301467 satır veride 28412 mükerrer çift tespit edilmiştir. Bulunan bu mükerrer kayıtlar veri kaynağından temizlenerek verinin daha tutarlı hale gelmesi sağlanmaktadır. While data amount increases, number of duplicate records in relational databases increase gradually. The duplicate records might cause inconsistency on reports and analyzes. To reduce the effects of this problem, we aim to detect duplicate records using machine learning algorithms with features that are produced by similarity of the records. We achieved to detect 28412 duplicate records in 9301467 records. The detected duplicate rows are removed from the data source and the data become more consistent. Publisher's Version