Machine learning approach to create intelligent decision-maker system

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2016

Tezin Dili: İngilizce

Öğrenci: GÖZDE BAKIRLI

Danışman: DERYA BİRANT

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Zaman kısıtlamaları ve verideki hızlı artış akıllı karar verme sistemlerine olan ihtiyacı arttırmaktadır. Bu tez, makine öğrenme algoritmalarını kullanarak, yerel yönetimler için yeni bir akıllı karar verme sistemi önermektedir. Önerilen karar verme sisteminin temel amacı, yerel yönetimlerdeki geçmiş verilerden akıllı çözümler keşfetmek ve geleceğe yönelik tahminleme yapmaktır. Önerilen sistem sosyo-kültürel analizlerini, gelir-gider analizlerini, altyapı analizlerini, aykırı durum tespit analizlerini ve kolaylaştırma - doğrulama - benzerlik analizlerini içermektedir. Yerel yönetim verileri analiz edilirken, karar ağacı yaklaşımı bir veri madenciliği tekniği olarak kullanılmıştır. Farklı ağaç veya veri setlerinden yansıyan bilgiyi karşılaştırmak için karar ağaçlarının benzerliğini değerlendirmeye ihtiyaç duyulmuştur. Geçmişte, karar ağaçlarının benzerliğini ölçmek için, basit bir formül veya entropi ölçümü gibi farklı perspektifler ve hesaplama teknikleri kullanılmıştır. Önceki çalışmalardan farklı olarak, bu tezde, karar ağaçları arasındaki benzerliği belirlemek için birden fazla veri madenciliği tekniğini (sınıflandırma, sıralı örüntü madenciliği ve k-en yakın komşu) uygulayan yeni bir yaklaşım, DTreeSim, önerilmektedir. Öncelikle, bir sınıflandırma algoritması kullanılarak farklı veri ambarı alt kümelerinden karar ağaçları oluşturulmakta, ardından kuralları çıkarmak için sıralı örüntü madenciliği karar ağaçları üzerine uygulanmakta, sonrasında da benzerliği hesaplamak amacıyla bu kurallar üzerine Genel Benzerlik ve Parçalı Benzerlik adı verilen iki yeni ölçme tekniği ile birlikte k-en yakın komşu algoritması uygulanmaktadır. Deneysel çalışmalarda, tezde önerilen yeni benzerlik hesaplama teknikleri, hem birbirleri ile karşılaştırılmış, hem de mevcut yaklaşımlarla karşılaştırılmıştır. Karşılaştırma sonuçları, tezde önerilen yaklaşımın mevcut yaklaşımlardan daha iyi sonuçlar ürettiğini göstermektedir, çünkü sıralı örüntü madenciliği ile karar ağaçlarındaki dalların değerleri de dikkate alınmaktadır.