Evaluating the successfulness of startup businesses by data mining techniques

Başlangıç işletmelerin başarını tahmin etmek literatürde çok ilgi çeken bir konudur. Son yıllarda, araştırmacılar tarafından Başlangıç işletmelerin başarını etkileyen faktörler ile ilgili bir çok çalışma gerçekleştirildi ve bir çok şirket, yeni iş modellerini geleceğini görmek ve isabetli şekilde tahmin etmek için çeşitli tahminleme modelleri geliştirmeye odaklandı.Bu çalışmada bir Startup şirketinin başarısını güvenilir şekilde tahmin edebilen bir model geliştirilmiştir. Önceki çalışmalar risk ve başarı faktörlerine yada girişimcinin eğitim seviyesi, finansman metodları, zamanlamanın uygunluğu gibi kriterlere bakmadan, yalnızca kullanılan çeşitli algoritmaların doğruluğuna odaklanmıştır. Bu tezde Cruchbase büyük veri kümesinden seçilen bir Başlangıç işletme şirketinin başarısını tahmin edebilmek için bir makine öğrenmesi metodu olan topluluk öğrenmesini kullanıldı. Amaç veri setindeki diğer değişkenleri kullanarak, başarı ve başarısızlık faktörlerini ayırt etmektir. Başlangıç işletme şirketlerinin başarısnı etkileyen birçok faktör dahil edilmiş ve Aşırı Gradyan Arama, Gradyan Arama, Adaptif Arama ve Rastgele Orman gibi tahminleme yaklaşımları ile karşılaştırılmıştır. Ortaya çıkan sonuçlar melek yatırımcılara ve risk sermayedarlarına daha nitelikli ve ölçülebilir Başlangıç işletme portfolyoları oluşturmakta yardımcı olabilecek niteliktedir. Tahminleme aşamasında veri, rassal olarak eğitim ve test verisi olmak üzere ikiye bölünmüştür. Amaç, kıyaslana tekniğinin (XGBoosting) kullanarak tahminleme modelini eğitim verisine uydurmak ve daha sonra model performansını ve test verisindeki değişkenlerin önemini ölçmektir. Anahtar kelimeler: Veri madenciliği, makine öğrenmesi, topluluk öğrenmesi, başlangıç işletme, Aşırı grandyan aratma