Hızlı Erişim


Bu Dergi DOI ve Crosscheck üyesidir


ARAÇ DEĞERLENDİRME VERİSİ ÜZERİNDE VERİ MADENCİLİĞİ ALGORİTMALARININ HİPERPARAMETRE OPTİMİZASYONU
(HYPERPARAMETER OPTIMIZATION OF DATA MINING ALGORITHMS ON CAR EVALUATION DATASET )

Yazar : Ömmu Gülsüm UZUT  & Selim BUYRUKOĞLU  
Türü :
Baskı Yılı : 2020
Sayı : 9
Sayfa : 70-76
    


Özet

Toplu taşımacılık bazı ülkelerde yeterince gelişmemiştir. Bu anlamda insanlar toplu taşıma yerine kendi araçlarını kullanmayı tercih etmektedirler. Bu nedenle, otomobil modelleri farklı amaçlar için tasarlanmakta olup bu da dünya çapında otomobil pazarının büyümesine sebebiyet vermektedir. Bir araba satın alırken, fiyat, güvenlik, oturma ve bagaj kapasitesi, motor gücü ve aracın rahatlığı gibi dikkate alınması gereken birçok faktör vardır. Bununla birlikte, birçok insanın araba satın alma ve satma deneyimi yoktur. Bu nedenle, bu çalışma veri madenciliği algoritmalarında hiperparametre optimizasyonu yapılarak araba uygunluk durumunu tahmin etmeyi amaçlamaktadır. Veri madenciliği, büyük ölçekli verilerden bilgilere erişmek için yararlı bir yöntem olduğundan, ticari veri kümelerinde (örn. arabalar) sınıflandırma ve iyi tahmin sonuçları için kullanılmaktadır. Bu çalışmada, California Irvine Üniversitesi'nden (UCI) elde edilen araç veri setine farklı algoritmalar uygulanmıştır. Algoritmaların sonuçlarını karşılaştırmak için veri üzerinde 5 kat çapraz doğrulama yapılmıştır. Destek vektör makineleri, en yakın komşu, rastgele orman, çok katmanlı algılayıcı ve gradyan artırma algoritmaları üzerinde parametre optimizasyonu yapılmıştır. Bulunan en iyi parametre değerleri ile varsayılan parametre değer sonuçları karşılaştırılmıştır. Elde edilen sonuçlara göre, gradyan arttırma algoritmasının parametre optimizasyonu yapılmış haliyle araç değerlendirmede en iyi tahmini % 99.42 oranında verdiğini göstermektedir.



Anahtar Kelimeler
Veri Madenciliği, Gradyan Arttırma, Sınıflandırma

Abstract

Data mining is the process of obtaining valuable data from large-scale data. Several algorithms are used for revealing the relationships between data and making accurate predictions. There are several cases that may affect the performance of these algorithms. One of these is choosing most suitable hyper parameters. To optimize these parameters provide us to improve algorithm results. In our project, we optimized hyper parameters of different data mining algorithms on car evaluation dataset for improving classification accuracy. Hyper parameter optimization was performed on support vector machines, k-nearest neighbor, random forest, multi-layer perceptron and gradient boosting algorithms. Results of hyper parameter values and default parameter values were compared. The calculations show that gradient boosting with hyper parameter optimization method produces best prediction of the car evaluation by 99.42%.



Keywords
Data Mining, Gradient Boosting, Classification

Gelişmiş Arama


Duyurular

    ***********************

    DEĞERLİ BİLİM 

    İNSANLARI!

    mail mail mail mail mail

    Dergimizin Mart sayısı 

    (25.03.2021)

    yayınlanmıştır.

    mail mail mail mail mail

    DEĞERLİ BİLİM 

    İNSANLARI!

    mail mail mail mail mail

    Dergimizin

    Mayıs Sayısı 

    İçin Makalenizi  

    Sisteme Yükleyebilirsiniz.

    mail mail mail mail mail

     



Adres :Göztepe Mah., Beykoz, İstanbul/TURKEY
Telefon :+90 555 005 92 85 Faks :+90 216 606 32 75
Eposta :info@euroasiajournal.org

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri