ARAÇ DEĞERLENDİRME VERİSİ ÜZERİNDE VERİ MADENCİLİĞİ ALGORİTMALARININ HİPERPARAMETRE OPTİMİZASYON

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.