Derin öğrenme ve makine öğrenmesi yöntemleriyle Türkiye emlak piyasasında fiyat tahmini
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: Recep Furkan Koçyiğit
Asıl Danışman (Eş Danışmanlı Tezler İçin): Banu Diri
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Türkiye'deki emlak piyasası, ekonomik büyümenin ve bireylerin yaşam kalitesinin önemli bir belirleyicisidir ve hem yatırımcılar hem de alıcılar için kritik bir rol oynamaktadır. Bu çalışma, Ocak 2025'te Türkiye'deki konut mülkleri için yayınlanan 128.670 emlak ilanından elde edilen verileri kullanarak emlak değerleme ve tavsiye sistemleri geliştirmektedir. Veri ön işleme aşamasında, yanlış kategorideki ilanlar, Kuzey Kıbrıs'tan ilanlar, eksik demografik ve fiyat bilgileri, inşaat halindeki mülkler için ilanlar ve koordinat verileri eksik olanlar gibi hatalı girişler kaldırılmıştır. Ek olarak, metinsel veriler sayısal değerlere dönüştürülmüş ve veri seti fiyat, brüt m² ve oda sayısı sınırlamaları uygulanarak 93.350 ilana indirgenmiş ve 207 farklı özellik elde edilmiştir. Özellikler arasında korelasyon analizi yapılarak fiyatla korelasyonu düşük olanlar çıkarılmıştır. Kategorik verilerKi-Kare testi ve One-Hot Encoding kullanılarak işlenmiştir. RFE, özellik seçiminden etkili yöntem olup, 50 ilgili özelliğin belirlenmesini sağlamıştır. Çeşitli makine öğrenimi modelleri arasında en iyi sonuçlar, 384 farklı parametre kombinasyonu üzerinden optimizasyon ile XGBRegressor kullanılarak elde edilmiştir. Modelin performansı yaklaşık %11'lik bir ortalama mutlak yüzde hata vermektedir ki bu da Türkiye'nin emlak piyasasındaki ortalama pazarlık oranının %9 olduğu düşünüldüğünde oldukça başarılı sayılmaktadır. ANN, CNN, CNN-LSTM, LSTM ve KAN dahil olmak üzere derin ögrenme modelleri de test edilmiştir, ancak hiçbiri XGBRegressor' dan daha iyi performans göstermemiştir. Özellikle, ANN modeli tanh aktivasyon fonksiyonu ve düşük bırakma oranları uygulandığında daha iyi sonuçlar göstermektedir. Genel olarak, XGBRegressor en düşük hata oranlarını vermektedir. Bu çalışma, modern veri işleme tekniklerinden yararlanarak emlak piyasasının analizine yönelik sağlam bir zemin oluşturmakta ve emlak fiyatlarının tahmini için etkili bir model ortaya koymaktadır.