Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: UĞUR BARAN YAPAR
Danışman: İDİL YAVUZ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Doğru tahmin hem bireyler hem de kurumlar açısından ve bilimin her alanında oldukça önemli olduğundan literatürde pek çok çalışma bulunmaktadır. Ancak şu anda iki ana yöntem öne çıkıyor; Üstel Düzeltme (ES) ve Box-Jenkins ARIMA. Bu iki ana yöntemi karşılaştırdığımızda ES oldukça basittir ancak ARIMA karmaşık ve zordur. Ancak ES yöntemini popüler hale getiren temel neden performans tahmininde kanıtlanmış başarısıdır. ES yönteminin popülaritesine rağmen başlangıç değer problemi gibi hala çözülmemiş problemler bulunmaktadır. Yakın zamana kadar bu iki temel yönteme alternatif bir yöntem geliştirilememişti. Ata yöntemi, modellerin formlarının üstel yumuşatma modellerine benzer olduğu ancak yumuşatma parametrelerinin örneklem boyutuna bağlı olduğu, ayrı bir alanda optimize edildiği ve başlatmanın, parametreler eş zamanlı olarak yapıldığından daha kolay olduğu yenilikçi yeni bir tahmin tekniğidir. optimize edilmiştir ve başlangıç değerlerine atanan ağırlıklar hızla sıfıra yaklaştığından daha az etkilidir. Ata, tüm zaman serisi ayarlarına kolaylıkla uygulanabilmekte ve esnekliği sayesinde daha iyi tahmin performansı sağlamaktadır. Ata tahmin yönteminin ampirik ve simüle edilmiş veri setlerindeki başarısı tesadüf değildir. Son zamanlarda literatürde tahmin performansını artırmak için farklı yöntem ve algoritmalar kullanılmaktadır. Bu yöntemler arasında öne çıkanlar makine öğrenmesi, meta öğrenme ve farklı kombinasyon yöntemleridir. Bu çalışmada M3 yarışma veri setleri kullanılarak farklı denemeler ve meta öğrenme tekniği kullanılarak Ata yönteminin mevcut tahmin performansı iyileştirilecektir.