Atıf Sayısı
3
Görüntüleme
1
İstatiksel birçok yöntem eksik değerlere sahip veri setleri üzerinde çalışma kapasitesine sahip değildir. Bu nedenle, girdi olarak yalnızca tam veriyi kabul eden modellerin tahmin performansı önemli ölçüde düşmektedir. Eksik verilerin tamamlanması bunun için veri analizlerinde önemli bir yere sahiptir. Bu çalışmada kullanılan veri seti üzerinde eksik olan verilerin tamamlanma probleminin çözümünde sezgisel optimizasyon yöntemi olan Benzetimli Tavlama Algoritması(BTA) kullanılmıştır. Modern sezgisel teknikler, bir problem çözümünde, kendi yerel arama sistemleri ile en iyi sonuca ulaşmayı amaçlamaktadırlar. BTA performansını etkileyen en önemli değer başlangıç sıcaklık değeri (T0) olduğundan üç farklı sıcaklık değeri ile sonuçlar alınmıştır. To=100.000 değeri için %68, To=10.000 için %51 ve To=1.000 için %46’lik bir başarı elde edilmiştir
Many statistical methods are not capable of working on datasets with missing values. Therefore, the forecasting performance of models that accept only full data as inputs drops significantly. For this reason, completing missing data has an important place in data analysis. Simulated Annealing Algorithm (SAA), a heuristic optimization method, was used to solve the problem of completing the missing data on the data set used in this study. Modern heuristic techniques aim to achieve the best results with their local search systems when solving a problem. Since the most important value affecting SAA performance is the initial temperature value (T0), results have been obtained with three different temperature values. The following success rates were obtained: 68% for T0=100.000, 51% for T0=10.000 and 46% for T0=1.000.
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
