Citation Number
2
Views
183
Downloands
16
Bu çalışmada, sınıflandırma yöntemlerinden, yapay zekâ tabanlı, yapay sinir ağları (YSA) ve destek vektör makineleri (DVM) geleneksel yöntemlerden ise lojistik regresyon (LR) bir bankadan alınan kurumsal müşteri veri kümesine, iki farklı şekilde, uygulanmıştır. 893 tanesi “kusurlu”, 7896 tanesi “kusursuz” toplam 8789 adet kurumsal müşteri verisinin yer aldığı “kurumsal veri” kümesine ve ikincil olarak da 893 tanesi kusurlu, 893 tanesi kusursuz toplam 1786 adet müşteri verisinin yer aldığı “dengeli kurumsal veri” kümesine uygulanmıştır. Her iki veri kümesinde YSA en yüksek doğruluk oranını (sırasıyla %96 ve %93), DVM ise kurumsal veride yine en yüksek doğruluk oranını (%96), LR ise yapay zekâ tabanlı uygulamalara kıyasla daha düşük bir doğruluk oranı (%89) vermiştir. Kurumsal veriden, dengeli kurumsal veriye geçildiğinde, verideki yaklaşık %80’lik kayıptan, YSA ve LR %3 oranında etkilenirken DVM ise %5 oranında etkilenmiştir. DVM, modeller arasında, en küçük standart sapmaya sahip yöntem olmuştur. Çalışma, yapay zekâ tabanlı YSA ve DVM yöntemlerinin, LR gibi geleneksel yöntemlere kıyasla, daha iyi sonuçlar verdiğini, diğer bir deyişle daha iyi sınıflandırma yaptığını, göstermiştir.
In this study, the classification methods, based on artificial intelligence, artificial nervous networks (YSA) and support vector machines (DVM) from traditional methods, and logistics regression (LR) to the corporate customer data set taken from a bank, were applied in two different ways. 893 of them are “unpleasant”, 7896 of them are “unpleasant” to the “corporate data” set in which a total of 8789 enterprise customer data is included and, secondly, 893 of them are defective, 893 of them are perfect to the “balanced enterprise data” set in which a total of 1786 customer data is included. In both data sets, YSA has the highest accuracy rate (96% and 93% respectively), while DVM has the highest accuracy rate (96% in corporate data) and LR has a lower accuracy rate (89% compared to artificial intelligence-based applications. From corporate data to balanced corporate data, approximately 80% of the data losses, YSA and LR are affected by 3% while DVM is affected by 5%. DVM has been the method with the smallest standard deviation among the models. The study has shown that artificial intelligence-based YSA and DVM methods, compared to traditional methods such as LR, give better results, in other words, make better classification.
Field : Sosyal, Beşeri ve İdari Bilimler
Journal Type : Uluslararası
Article Detail 
Citation Owners
Similar Articles
Download PDF
Journal Information
Listen Paper
Print This Page
Share
Mendeley
