Comparative study on handling missing values
Kayıp veri atama yöntemlerinin karşılaştırılması
- Tez No: 925935
- Danışmanlar: DOÇ. DR. TEVFİK AYTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kayıp verilerin varlığı, veri odaklı araştırmalarda önemli bir zorluk teşkil ederek analitik modellerin güvenilirliğini ve doğruluğunu sıkça olumsuz etkiler. Bu tez, çeşitli kayıp veri atama yöntemlerini incelemekte ve bu yöntemlerin yapay zeka modellerinin performansı üzerindeki etkilerini, farklı alanlardan alınan veri setlerini kullanarak kapsamlı bir analiz çerçevesinde değerlendirmektedir. Çalışmada, kayıp veri senaryolarını ele almak ve değerlendirmek amacıyla bir dizi atama stratejisi ve seçili yapay zeka algoritmaları uygulanmıştır. Model performansı, standart metrikler kullanılarak değerlendirilmiş ve objektif bir karşılaştırmalı analiz sunulmuştur. Teknik detaylara fazla girmeden, bu çalışma, kayıp veri atama tekniklerinin pratik uygulamalardaki etkilerini anlamak için tutarlı bir çerçeve sunarak temel bulguları sentezlemiştir. Elde edilen sonuçlar, belirli kayıp veri mekanizmalarına ve veri seti özelliklerine uygun atama yöntemlerinin seçilmesinin önemini vurgulayarak, yapay zeka ve veri bilimi alanlarında gelecekteki araştırmalar ve uygulamalar için kritik bilgiler sağlamaktadır.
Özet (Çeviri)
The presence of missing data poses a significant challenge in data-driven research, often compromising the reliability and accuracy of analytical models. This thesis examines various missing data imputation techniques and evaluates their impact on the performance of artificial intelligence models, employing datasets from diverse domains to ensure comprehensive analysis. A range of imputation strategies, alongside selected AI algorithms, were utilized to address and evaluate missing data scenarios. Model performance was assessed using standard metrics to provide an objective and comparative evaluation. Without delving into excessive technical detail, this study synthesizes key findings to offer a coherent framework for understanding the implications of missing data handling techniques in practical applications. The results underscore the importance of choosing appropriate imputation methods tailored to specific missing data mechanisms and dataset characteristics, providing critical insights for future research and practical implementations in artificial intelligence and data science fields.
Benzer Tezler
- Makine öğrenme algoritmaları ile su tüketim miktarlarının tahmini: Kocaeli örneği
Estimation of water consumption amounts using machine learning algorithms: The case study of Kocaeli
KASIM GÖRENEKLİ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ALİ GÜLBAĞ
- An analysis of customer complaints in the telecommunications sector via BTK and digital platforms
BTK ve dijital platformlar üzerinden telekomünikasyon sektöründeki müşteri şikayetlerinin analizi
KÜBRA GÖKALP ERKAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiVeri Analitiği Ana Bilim Dalı
DOÇ. DR. DOĞU ÇAĞDAŞ ATİLLA
- Enhancing book recommendation systems using collaborative filtering and deep learning
İşbirlikçi filtreleme ve derin öğrenme ile kitap öneri sistemleri geliştirilmesi
HÜSEYİN TUNÇ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK BEYCA
- Makine öğrenmesinde eksik veri ile başa çıkma yöntemlerinin karşılaştırmalı analizi: Diş hekimliği verisi üzerine bir uygulama
A comparative analysis of missing data handling methods in machine learning: An application on dental data
RABİA AKTAŞ
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ MURAT
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ