Sales prediction using data analytics: A machine learning approach
Veri analitiği ile satiş tahmini: Makine öğrenmesi yaklaşimi
- Tez No: 780875
- Danışmanlar: DOÇ. DR. BABEK ERDEBİLLİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka uygulamaları, araştırmacılar tarafından gün geçtikçe artan ilgi görmektedir. Çoğunlukla robotik ve bilişim alanlarında kullanılan bu uygulamalar, endüstride günlük olarak yaşanan sorunları çözebilmektedir. Yapay zekanın bir alt dalı olan makine öğrenmesi (ML), geçmişe dönük verilere dayalı olarak geleceğe yönelik tahminler yapılmasını sağlar. Bu nedenle satış tahminlerini yapmak için makine öğrenmesi yöntemlerini kullanmak mümkündür. İşletmeler tarafından depolanan veri miktarları büyük boyutlara ulaştığından satış tahminlerini geleneksel yöntemlerle yapmak oldukça zor hale gelmiştir. Bu tezde, ofis malzemeleri endüstrisindeki bir işletme için makine öğrenmesi algoritmaları kullanılarak satış tahmini yapılmıştır. İlk olarak, keşifçi veri analizi kullanılarak veri setinden istatistiksel ve görsel çıkarımlar yapılmıştır. Veri seti kategorik değişkenler ve sayısal değişkenler ayrı ayrı ele alınarak incelenmiş, eksik veri ve aykırı değer analizleri yapılmıştır. On iki algoritma (Lineer regresyon, Ridge regresyon, Lasso regresyon, ElasticNet regresyon, K-Nearest Neighbor (KNN), Random Forest (RF), Support Vector Regression (SVR), Classification and Regression Trees (CART), Gradient Boosting Machine (GBM), Light Gradient Boosting Machine (LightGBM), Categorical Boosting Machine (CatBoost) and Extreme Gradient Boosting Machine (XGBoost)) uygulanmış; ortalama hata karesi, ortalama mutlak hata ve R^2 fonksiyonları kullanılarak sonuçlar değerlendirilmiştir. Model ayarlaması, her algoritma için farklı parametreler kullanılarak gerçekleştirilmiştir. Sonuçlar, en başarılı algoritmanın 11.7643 RMSE değeri ile XGBoost olduğunu göstermiştir. XGBoost algoritması ile geliştirilen model kullanılarak tahmin yapılmıştır.
Özet (Çeviri)
Artificial intelligence applications are attracting increasing amounts of attention from researchers. These applications, which are mostly used in the fields of robotics and informatics, are able to solve problems experienced on a daily basis in industry. Machine learning (ML), a sub-branch of artificial intelligence, enables predictions to be made about the future based on historical data, and it is therefore possible to use ML methods to make sales forecasts. Since the amounts of data stored by companies are now very large, sales forecast operations are now fairly difficult with traditional methods. In this thesis, a sales forecast is made for a company in the office supply industry using ML algorithms. First, statistical and visual inferences were made from the dataset using exploratory data analysis. The dataset was examined by considering categorical variables and numerical variables separately, and missing data and outlier analyses were carried out. Twelve algorithms (Linear regression, Ridge regression, Lasso regression, ElasticNet regression, K-Nearest Neighbor (KNN), Random Forest (RF), Support Vector Regression (SVR), Classification and Regression Trees (CART), Gradient Boosting Machine (GBM), Light Gradient Boosting Machine (LightGBM), Categorical Boosting Machine (CatBoost) and Extreme Gradient Boosting Machine (XGBoost)) were applied, and the error functions were evaluated using the Root Mean Squared Error (RMSE), Mean Absolute Error (MAE) and coefficient of determination (R^2). Model tuning was performed using different parameters for each algorithm. The results showed that the most successful algorithm was XGBoost, with a value for RMSE of 11.7643. A prediction was made based on this tuned score using XGBoost algorithm model.
Benzer Tezler
- Transformer tabanlı öznitelik bütünleştirme ile eksik veriye dayanıklı tahminsel model geliştirilmesi
Development of a predictive model robust to missing data via transformer-based feature integration
DUYGU BAYRAK GÜMÜŞ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN
- Deniz ticaret endekslerini zaman serisi modelleri kullanarak tahminleme
Forecasting maritime trade indexes by using the time series models
KAAN KOYUNCU
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. LEYLA TAVACIOĞLU
- Kaba kümeleme teorisi kullanılarak diyabet veri setinin analiz edilmesi ve diyabet hastalığının teşhisi için gerçek zamanlı bir veri analitiği sistemi kurulması
Analyzing diabetes data set using rough clustering theory and establishing a real-time data analytics system for diagnosis of diabetes disease
MEHMET YÜKSEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN DEMİRCİ
- Kronik hepatit b hastalarında sağlık okuryazarlığı ölçeği geliştirilmesi ve düzeyinin istatistiksel ve makine öğrenmesi yöntemleriyle modellenmesi
Development of a health literacy scale in patients with chronic hepatitis b and modeling of health literacy levels using statistical and machine learning methods
BARIŞ ELALTUNTERİN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE YAYLALI
- Yapay zekâ destekli maliyet yönetimi: istatistiksel ve makine öğrenmesi modelleri ile bir inceleme
Artificial intelligence-supported cost management: an analysis with statistical and machine learning models
SENANUR İPEK
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAHİN