Veri madenciliği algoritmaları ile aile yapısı araştırması verilerinin sınıflandırılması

Madencilik terimi ile benzer anlam taşıyan veri madenciliği, sorunların çözülmesine, eğilimlerin tahmin edilmesine, risklerin azaltılmasına ve yeni fırsatlar bulunmasına yardımcı olmak için muazzam miktarda bilgi ve veri setini analiz etme, yararlı zekayı keşfetme sürecidir. Aynı zamanda veri madenciliği ilişkilerin kurulmasını, sorunlarla başa çıkabilmek için korelasyonlar bulmayı ve süreçte eyleme geçirilebilir bilgiler oluşturmayı da içermektedir. Bu tez çalışmasında veri madenciliğinin muazzam yeteneklerinden faydalanarak Likert ölçekli veri tiplerinde bilgi keşfi yapılması amaçlanmıştır. Farklı veri madenciliği tekniklerinin Likert ölçekli veri türleri üzerinde sınıflandırma başarısını karşılaştırmak üzere veri seti olarak Türkiye İstatistik Kurumu (TUİK) Başkanlığı tarafından yürütülen Türkiye Aile Yapısı Araştırması (TAYA) seçilmiştir. İki aşamada gerçekleştirilen deneylerde ilk olarak öznitelik seçimi yapılmış ve Bilgi Kazancı kriteri ile 10 değerli öznitelik belirlenmiştir. Sınıflandırma aşamasında ilk olarak veri setindeki kategori sayısı değiştirilerek algoritmaların sınıflandırma başarısı ölçümlenmiştir. Ardından yapısı gereği dengesiz olan veri seti üzerinde sınıflar arası dengesizlik giderilmiş ve sınıflama analizine etkisi gözlemlenmiştir. Dengesizlik giderilmeden yapılan sınıflandırmada beşli kategoriye sahip olan veri setinde en başarılı sınıflandırma performansı CART algoritmasında, üçlü kategoriye sahip olan veri setinde RepTree algoritmasında görülmüştür. Sınıflar arası dengesizliği giderebilmek amacıyla yeniden örnekleme ve veri tamamlama yöntemi ile toplam örnek hacmi değiştirilerek üç farklı veri seti oluşturulmuştur. Oluşturulan veri setlerinde sınıflandırma başarısı en yüksek olan algoritmanın CART algoritması olduğu görülmüştür.