Geri Dön

Makine öğrenmesi yöntemleri ile vakıf üniversiteleri doluluk tahminlemesi

Foundation universities occupancy estimation through machine learning methods

PDF İndir

  1. Tez No: 391583
  2. Yazar: TUĞBA KIRAL ÖZKAN
  3. Danışmanlar: PROF. DR. İBRAHİM DOĞAN
  4. Tez Türü: Doktora
  5. Konular: Ekonometri, Eğitim ve Öğretim, Econometrics, Education and Training
  6. Anahtar Kelimeler: Algoritmalar, Destek vektör makineleri, Doluluk, Doluluk oranı, Makine öğrenmesi yöntemleri, Sınıflandırma, Tahmin ediciler, Vakıf üniversiteleri, Üniversiteler, Algorithms, Support vector machines, Fullness, Occupancy rate, Machine learning methods, Classification, Estimators, Foundation universities, Universities
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Yöneylem Araştırması Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada makine öğrenmesinin sınıflandırma yöntemlerinden destek vektör makineleri ve k-en yakın komşu algoritması incelenmiştir. Bu yöntemler kullanılarak vakıf üniversitelerinin izleyen yıl ya da yıllarda kontenjanlarını doldurup doldurmayacağının tahmin başarısı araştırılmıştır. Araştırmada kullanılan veri seti, Ekim 2012 – Şubat 2013 tarihleri arasında İstanbul ilinde faaliyet gösteren ve fakültelerinde işletme bölümü bulunan vakıf üniversitelerini kapsamaktadır. Bu kapsamda 22 vakıf üniversitesine ait 32 öznitelik kullanılmıştır. Veri seti, öznitelik seçimi öncesi ve sonrası olmak üzere ayrılmıştır. Bu seçim asgari gereksizlik-azami ilişkisellik (mRMR) yöntemi kullanılarak yapılmıştır. Sınıflandırma performansları birini dışarıda bırakma ve k-katlı çapraz geçerleme yöntemleriyle değerlendirilmiş, destek vektör makineleri ile elde edilen sonuçlar k-en yakın komşu algoritması ile karşılaştırılmıştır.Bu çalışmada, destek vektör makineleri ve k-en yakın komşu algoritmasının kontenjan doluluğunun tahmin edilmesinde tutarlı ve tahmin gücü yüksek, tatmin edici sonuçlar verdiği görülmüştür.

Özet (Çeviri)

In this study, support vector machine and algorithm of the k-nearest neighbor, which are methods of classification process of the machine learning, have been studied. By using these methods, the success of the filling quotas for the foundation universities has been searched for the future years. The data set used in the research includes the İstanbul located foundation universities which have business administration departments in their faculties between the dates October 2012 and February 2013. The study focuses on 32 features which belong to 22 foundation universities. The data set has been divided into two categories as pre and post feature selection. This selection has been applied by the minimum-redundancy maximum-relevance (mRMR) method. Classification performances have been evaluated by the methods of leave one-out and K-fold cross validation,the results reached with the support vector machines have been compared with the algorithm of k-nearest neighbor. The results of this study have revealed that support vector machine and algorithm of the k-nearest neighbor methods are consistent and successful in giving high prediction rate in terms of filling quotas of the foundation universities.

Benzer Tezler

  1. Tez No

    771650

    Determining graduate level university selection criteria weights using interval type-2 fuzzy AHP

    Lisansüstü seviyesinde üniversite seçim kriterleri ağırlıklarının aralıklı tip-2 bulanık AHS ile hesaplanması

    ZEYNEP BURCU KIZILKAN DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. BAŞAR ÖZTAYŞİ

  2. Tez No

    542210

    An action research study: Benefits of using active learning strategies and activities in speaking classes

    Bir eylem araştırması: Konuşma derslerinde aktif öğrenme stratejileri ve aktiviteleri kullanımının faydaları

    SANAZ MOAZZEZI FARDI MOGHADDAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    İngiliz Dili ve Edebiyatıİstanbul Aydın Üniversitesi

    İngiliz Dili ve Edebiyatı Ana Bilim Dalı

    YRD. DOÇ. DR. HÜLYA YUMRU

  3. Tez No

    148180

    Üniversitelerin hazırlık okullarındaki başarılı yabancı dil öğrencilerinin kullandıkları öğrenme stratejileri ve çoklu zeka özellikleri arasındaki ilşkisi

    The relationship between the learning strategies used by the successful foreign language learners in the preparatory school of universities and the types of their multiple intelligences

    GÜLŞEN CAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Eğitim ve ÖğretimYıldız Teknik Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. HÜLYA BARTU

  4. Tez No

    353637

    Bulut bilişim sistemlerinde eşle/indirge yöntemi uygulanarak veri madenciliği yazılım çatısının geliştirilmesi

    Development of data mining software framework by using map/reduce method in cloud computing systems

    FERHAT ÖZGÜR ÇATAK

    Doktora

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. MEHMET ERDAL BALABAN

  5. Tez No

    982928

    Makine öğrenmesi ve derin öğrenme teknikleri ile müşteri yaşam boyu değeri ve terk eşiği tahmini

    Customer lifetime value and churn threshold prediction using machine learning and deep learning techniques

    MERVE ÇINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ YILMAZ ÇAMURCU

Geri Dön