Comparison of predictive performances of logistic regression and decision tree algorithms: An application of life satisfaction

Makine öğrenimindeki karar ağacı algoritmaları ve regresyon, veri sınıfları oluşturur. Değişkenler arasındaki ilişkiler modellenir. Karar ağaçları, eğitim verilerini kullanarak sınıflandırma kuralları oluşturur. Ayrıca bu kuralları test verileri üzerinde test eder. Böylece karar ağacı algoritmanın başarısını belirler. Lojistik regresyonda oluşturulan model ile sınıflandırma oluşturulur ve sınıflandırma performansı bulunur. Bu yöntemlerin yorumlanması kolaydır. Büyük veri kümelerine kolayca uygulanır. Varsayımların olmaması nedeniyle birçok farklı alanda kullanılmaktadır. Yaşam memnuniyeti kavramının bir parçası olan memnuniyet, ihtiyaçların, arzuların ve isteklerin karşılanmasıdır. Yaşam memnuniyeti, bir kişinin tüm yaşamıyla ilgilenir. Yaşam memnuniyeti, bireylerin kendi yaşam kalıpları ve standartları ile ilişkili süreçler bütünüdür. Bu çalışmanın amacı, Türkiye İstatistik Kurumu (TÜİK) tarafından 2017 yılı için elde edilen yaşam memnuniyeti verilerini (n=8430) kullanarak lojistik regresyon yöntemi ve karar ağacı algoritmaları (CART, CHAID, QUEST) tahmin edicilerinin performanslarını karşılaştırmaktır. Bu çalışmada performans karşılaştırmaları (doğruluk, duyarlılık, seçicilik, kesinlik, F-puanı) yapılmış ve yaşam memnuniyeti kavramını en iyi açıklayan modelin QUEST algoritması olduğu bulunmuştur.