MAKİNE ÖĞRENMESİ KULLANAN BİREYSEL GELİR TAHMİN MODELİ
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: MUHAMMED ENES YILDIZ
Asıl Danışman (Eş Danışmanlı Tezler İçin): Nizamettin Aydın
Eş Danışman: Ahmet Elbir
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalı¸smada Türkiye'de faaliyet gösteren bir ¸sirkete ait 2023 yılı mü¸steri gelir verileri kullanılarak, makine ögrenmesi yöntemleriyle bireysel gelir tahmini ˘ modeli geli¸stirilmi¸stir. Hedef, hanehalklarının aylık gelir seviyelerini en yüksek dogruluk ile tahmin etmektir. Harcamalar, yatırımlar, varlıklar,demografik bilgiler ˘ ve finansal davranı¸slar gibi degi¸skenler içeren verisetine özgü gelir do ˘ grulama ˘ ve enflasyon ayarlama yöntemleri uygulanmı¸stır. Linear Model, Lasso, Ridge, K-NN, Random Forest ve Gradient Boosting gibi birçok makine ögrenmesi ˘ algoritması kullanılmı¸stır. En iyi performans Gradient Boosting algoritmalarından, Lightgbm ve Xgboost algoritmaları ile yakalanmı¸stır. Modelin ba¸sarı ölçütleri, adjusted R-kare ve MAPE degerleriyle de ˘ gerlendirilmi¸stir. Sonuçlar, lightgbm ˘ algoritmasının %80 adjusted R-kare ve %21 MAPE degeriyle en ba¸sarılı oldu ˘ gunu ˘ göstermi¸stir. Klasik ölçütler dı¸sında, gelir aralıgı bazlı actual-prediction confusion ˘ matrisi ve tolerans aralıgı analizi de çalı¸sılmı¸stır. Bu analizler ise modelin gerçek ˘ dünyadaki uygulamalarında nasıl performans gösterecegi, hangi gelir gruplarında ˘ modelin ne seviyede ba¸sarılı oldugunu ölçmektedir.Bu çalı¸sma, makine ö ˘ grenmesi ˘ yöntemlerinin gelir tahmini için etkili bir araç oldugunu göstermektedir. Gelecekte, ˘ geli¸stirilen modelin performansını daha da iyile¸stirmek için çe¸sitli çalı¸smaların yapılması planlanmaktadır.