Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama
2017
0 views
0 downloads
Advisor: Yrd. Doç. Dr. Sinan Mete
Abstract (TR)
İstatistik, ekonometri ve veri madenciliği alanlarında sınıflandırma problemlerine sıklıkla karşılaşılmaktadır. Problemin çözümünde kullanılan teknikler günün teknolojisine bağlı olarak her geçen gün değişmekte ve gelişmektedir. Bu amaçla, günümüzde çok değişkenli istatistik tekniklerin yanısıra bulanık ve yapay zekâya dayanan yöntemler de kullanılmaktadır. Bu çalışmada, çok değişkenli istatistik tekniklerinden çoklu lojistik regresyon (ÇLR), makine öğrenme tekniklerinden yapay sinir ağı (YSA) ve YSA ile bulanık mantık tekniğinin birleşimi olan ve hibrid öğrenme tekniğine dayanan Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Neural Fuzzy Inference System-ANFIS) yöntemlerinin sınıflandırma performanslarının karşılaştırılması amaçlanmaktadır. Bu amaç doğrultusunda Birleşmiş Milletler Dünya Gelişmişlik Göstergeleri ve ÇLR, YSA ve ANFIS yöntemleri kullanılarak İnsani Gelişmişlik Endeksi'ne (İGE) göre ülkeler sınıflandırılmış ve elde edilen sonuçlar İGE ile karşılaştırılmıştır. İGE'ye göre ülkeler; yaşam beklentisi, gelir ve sağlık göstergelerine dayanarak gelişmişliklerine göre sınıflandırılmaktadır. Bu kapsamda gerekli elemeler yapıldıktan sonra sağlık, girişimcilik, makroekonomi, mikroekonomi, lojistik, ticaret, sosyal hayat ve doğal faktörler olmak üzere sekiz ana konudan oluşan 27 gelişmişlik göstergesi kullanılarak 185 ülke için 2015 yılı insani gelişmişlik endeksi ölçülmüş ve sınıflandırma tahmini yapılmıştır. Analiz sonuçları ele alındığında, iktisadi açıdan; çalışmada hesaplanan tahmini endekse göre gelişmişlik, İGE'den farklı olarak, yedi faktör ve sekiz ana konudan oluşmaktadır. İstatistiki açıdan ülkeler; ÇLR'ye göre %81.6, YSA'ya göre %87.5 ve ANFIS'e göre %91.36 oranında doğru sınıflandırılmıştır. Bu durumda ANFIS yönteminin hem YSA'dan hem de ÇLR'den daha başarılı sonuçlar verdiği gözlenmiştir. Aynı zamanda YSA yöntemine göre yanlış sınıflandırılan ülkelerin tamamının ÇLR yönteminde de yanlış sınıflandırıldığı saptanmış ve bu sınıflandırmanın ANFIS yönteminin çıktısı ile çoğunlukla farklı olduğu sonuçlarına ulaşılmıştır.
Author
Dr. Ömer Faruk Rençber
Institution
How to Cite
Ömer Faruk Rençber (Doktora Tezi). Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama, 2017, Aksaray University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Aksaray University
- Yaşlı bireylerde kişilik özellikleri başarılı yaşlanma ve ego bütünlüğünün psikolojik uyum üzerindeki etkisi(2020)
- Lise öğretmenlerinin mesleki iyilik algısı ile öğretimsel liderlik davranışları arasındaki ilişki(2016)
- Web kazıma ve duygu analizi temelli ürün analiz sistemi(2023)
- Okul rehber öğretmenlerine göre (8. sınıf) sınıf rehberlik programının 21. yüzyıl becerilerini kazandırma düzeyleri(2024)
- Yapıştırılmış ve pim bağlantısı uygulanmış metal levhalardaki gerilmelerin analizi(2011)
- Betona yapıştırılmış ve ankrajlı lifli polimer levhaların araştırılması(2011)
