Advanced Search

Show simple item record

dc.contributor.advisorYücebaş, Sait Can
dc.contributor.authorDumlu, Cengizhan
dc.date.accessioned2024-09-05T10:38:53Z
dc.date.available2024-09-05T10:38:53Z
dc.date.issued2022en_US
dc.date.submitted2022
dc.identifier.citationDumlu, C. (2022). Makine öğrenme temelli konut fiyat tahminlemede meta model uygulaması: Çanakkale ili örneği. Yayımlanmamış yüksek lisans tezi, Çanakkale Onsekiz Mart Üniversitesi, Çanakkale.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12428/6155
dc.description.abstractMakine Öğrenmesi yöntemleri günümüzde birçok alanda olduğu gibi emlak fiyatlarının tahmin edilmesi için de yaygın olarak kullanılmaktadır. Gerçekleştirilen çalışmada satılık konut fiyatlarının tahmin edilmesi için bir meta model geliştirilmiştir. RapidMiner aracı kullanılarak gerçekleştirilen meta modelde Karar Ağacı, Rassal Orman, Destek Vektör Makinesi ve Yapay Sinir Ağı yöntemleri kullanılmıştır. Çalışmada Çanakkale iline ait satılık konut verileri kullanılmıştır. Bu veriler web kazıyıcı oluşturularak aktif olarak kullanılan bir emlak sitesi üzerinden elde edilmiştir. Modelin tahmin başarısının arttırılması için elde edilen bu ham veriler belirli veri ön işleme adımlarından geçirilmiştir. Karar Ağacı, Rassal Orman, Destek Vektör Makinesi ve Yapay Sinir Ağı yöntemleri bir meta model altında birleştirilmiş ve nihai sonuç için Çoğunluk Oylaması kullanılmıştır. Hem meta model hem de meta model altındaki tüm alt modellerin eğitimi ve testi için 10 katmanlı çapraz geçerlilik yöntemi kullanılmıştır. Modellerin en iyi performansı verebilmesi için evrişimsel optimizasyon temelli hiper parametre optimizasyonu uygulanmıştır. İlgili optimizasyonun performansa katkısını gösterebilmek adına tüm modeller varsayılan hiper parametre değerleriyle de kurulmuş, optimize edilmiş modeller ile performans karşılaştırması yapılmıştır. Hem alt modeller hem de meta model için optimize edilmiş hiper parametrelerle kurulan modellerin daha yüksek tahmin performansı gösterdiği görülmüştür. Alt modeller içinde en yüksek performansı 0,825 korelasyon sayısı ile Rassal Orman göstermiştir. Kurulan model 0,836'lık korelasyon ile alt modellerin tahmin performansının oldukça üstüne çıkmıştır.en_US
dc.description.abstractMachine Learning methods are widely used for estimating real estate prices as it is used in many other domains. In this study, a meta-model has been developed to predict the prices of houses on sale. Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM) and Artificial Neural Network (ANN) were used in the meta-model developed by using the RapidMiner tool. The data set consists of the houses on sale in Canakkale province. A web scrapper was developed to retrieve the sale data from an actively used real estate web site. In order to increase the prediction performance a data preprocessing step was conducted. A ten-fold cross validation was used to train and test both the base learners and the meta model. Evolutionary based hyper parameter optimization was used to increase the performance of the models. In order to show the contribution of the optimization to the performance, all models were constructed with the default hyper parameter values, and performance comparisons were made with the optimized models. Base learners and meta model with optimized hyper parameters showed higher predictive performance. Random Forest showed the highest performance with a correlation number of 0,825 among the base learners. The established meta model was well above the prediction performance of the sub-models with a correlation of 0,836.en_US
dc.language.isoturen_US
dc.publisherÇanakkale Onsekiz Mart Üniversitesi, Lisansüstü Eğitim Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectMakine öğrenmesien_US
dc.subjectMeta modelen_US
dc.subjectTorbalamaen_US
dc.subjectÇoğunluk oylamasıen_US
dc.subjectOptimizasyonen_US
dc.subjectEmlak fiyat tahminien_US
dc.titleMakine öğrenme temelli konut fiyat tahminlemede meta model uygulaması: Çanakkale ili örneğien_US
dc.title.alternativeMeta model application in machine learning based house price estimation: An example of Canakkale provinceen_US
dc.typemasterThesisen_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.institutionauthorDumlu, Cengizhan
dc.relation.publicationcategoryTezen_US


Files in this item

This item appears in the following Collection(s)

Show simple item record