Applications of machine learning procedures on data envelopment analysis
Veri zarflama analizi üzerinde makine öğrenmesi uygulamaları
- Tez No: 834255
- Danışmanlar: DOÇ. DR. BURCU DİNÇERGÖK
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Atılım Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Veri Zarflama Analizi (VZA) ve Makine Öğrenmesi (MÖ), veriden anlam çıkarmayı amaçlayan ve yaygın olarak kullanılan iki metodolojidir. İki metodolojinin birlikte kullanıldığı çalışmalara ilişkin literatür incelendiğinde, genellikle MÖ algoritmalarının VZA metodolojisinin kısıtlarını aşmak için kullanıldığı görülmektedir. Bu çalışmanın amacı, bir MÖ algoritmasının VZA modeli kullanılarak birim ünite etkinliğinin değerlendirmesini geliştirmek için kullanılabilirliğini araştırmaktır. Bu tez, VZA üzerindeki MÖ prosedürlerinin uygulamalarını inceleyerek mevcut literatüre katkı yapmaktadır. ML algoritmaları ile bir VZA modelinden elde edilen etkinlik skorlarını tahmin etmeye yönelik daha önce yapılmış çalışmalar olmasına rağmen, bu çalışma, bazıları daha önce kullanılmamış olan ML algoritmalarını da kullanarak bu konudaki çalışmayı genişletmektedir. Karar ağacı tabanlı MÖ modelleri, hedef değişkeni tahmin etmede daha büyük etkiye sahip olan özellikleri belirleyebilir. Önceki çalışmalar, Karar Verme Birimi (KVB) verimliliğini etkileyen önemli değişkenleri belirlemek ve açıklamak için özellik önem skorlarını kullanmıştır. Öte yandan, yeni bir yaklaşım olarak, bu çalışma bir VZA modeli için bir ağırlık kısıtlaması olarak özellik önem sıralamasının kullanılmasını önermektedir. Önerilen yaklaşım, VZA modelinin bazı girdilere çok fazla ağırlık veren ve diğer girdilere sıfır ağırlık atayarak göz ardı eden bir sınırlamasının üstesinden gelmek için kullanılabilir. Bu yaklaşım gerçek bir veri seti ile kullanılarak VZA modelinin kalitesinin arttırdığı kanıtlanmıştır.
Özet (Çeviri)
Data Envelopment Analysis (DEA) and Machine Learning (ML) are two widely used methodologies that aim to gain insights from the data. When the literature on studies that utilize two methodologies together, it can be seen that ML algorithms are generally used to overcome the limitations of the DEA methodology. The purpose of this study is to investigate whether an ML algorithm can be used to improve the evaluation of unit efficiency using a DEA model. This thesis adds knowledge to the existing literature by examining the applications of ML procedures on DEA. Although there are previous studies on predicting ES obtained from a DEA model with ML algorithms, this study extends ML algorithms used, some of which have not been employed before. Decision tree-based ML models can identify the features that have a greater impact on predicting the target variable. Previous studies have used feature importance scores to identify and clarify important variables that affect Decision Making Unit (DMU) efficiency. On the other hand, as a novel approach, this study proposes to use feature importance ranking as a weight constraint for a DEA model. The proposed approach can be used to overcome a limitation of a DEA model which is putting too much weight on some inputs and ignoring most of them by assigning zero weights. Using a real data set, we prove that the quality of the DEA model is improved by using this approach.
Benzer Tezler
- Yapay zekâ teknolojilerinin ceza muhakemesinde kişisel veri toplanmasına etkileri
The impact of artificial intelligence technologies on personal data collection within criminal procedures
IRMAK ERDOĞAN
- Böbrek taşlarının tedavisinde ekstrakorporeal şok dalga litotripsi sonrası taşsızlık durumu ve komplikasyonların değerlendirilmesinde yapay zeka uygulamalarının kullanımının değerlendirilmesi
Evaluation of the use of artificial intelligence applications in assessing stone-free status and complications after extracorporeal shock wave lithotripsy in the treatment of kidney stones
GAZİ KAZ
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- A comprehensive analysis of Turkish sea level changes and future modeling using machine learning methods
Türk deniz seviyesi değişikliklerinin kapsamlı analizi ve makine öğrenimi yöntemleriyle gelecek modellemesi
ELİF KARTAL
Doktora
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Machine learning based fusion of different segmentation techniques for liver visualization for enhanced accuracy and sensitivity
Karaciğerde başarımı ve duyarlılığı geliştirilmiş bölütleme için farklı yöntemlerin makina öğrenmesi tabanlı en iyilenmiş füzyonu
ALİ EMRE KAVUR
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ALPER SELVER
