Temel bileşen analizinin hiyerarşik kümeleme yöntemleri üzerinde boyut indirgeme bakımından incelenmesi

Teknolojik ve bilimsel gelişmeler ışığında, yapay zeka ve makine öğrenimi gibi kavramların da hayatımıza girmesiyle birlikte, dünyada veri üretimi ciddi bir şekilde katlanarak artmaktadır. Buna paralel olarak veri; alınıp, işlenip, anlamlı ve önemli bilgiye çevrilerek satılabilen değerli bir maden haline gelmiştir. Verinin, bu denli hızlı ve çok fazla artışı, bilgiye dönüştürülme sürecinde pek çok zorluğa neden olmaktadır. Bu zorlukların başında, analiz edilecek verilerin çok yüksek boyutlarda ya da çok büyük miktarlarda olması gelmektedir. Verinin bu özellikleri uygulanan analiz tekniğinin doğru ve rahat çalışmasını zorlaştırır. Bu olumsuzluklarla başa çıkabilmek için verinin işlenme öncesi aşamalarında uygulanan pek çok yöntem mevcuttur. Bu tez çalışmasının amacı, yüksek boyutlu veri setlerinde Temel Bileşen Analizi yönteminin Hiyerarşik Kümeleme teknikleri üzerindeki boyut indirgeme etkisinin incelenmesidir. Çalışma, Birleşmiş Milletler veri platformu üzerinden 2020 verileriyle oluşturulan, 22, 38 ve 46 değişkenli veri setleri üzerinde, Temel Bileşen Analizi ve Hiyerarşik Kümeleme yöntemleri kullanılarak gerçekleştirilmiştir. Analizlerden elde edilen sonuçlar tanglegramlar ve bazı benzerlik katsayıları kullanılarak karşılaştırılmış ve yorumlanmıştır. Çalışmanın sonuçları Temel Bileşen Analizi yönteminin düşük korelasyon ve aykırı değerlere rağmen hiyerarşik kümeleme sonuçları ve dendrogramlar üzerinde olumlu etkiler yarattığını göstermiştir.