Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 1
 Görüntüleme 8
 İndirme 1
Havayolu Taşımacılığında Müşteri Memnuniyetinin Topluluk Öğrenmesi Yöntemleri ile Belirlenmesi
2022
Dergi:  
Alanya Akademik Bakış
Yazar:  
Özet:

Havayolu taşımacılığında seyahatinden memnun olmayan müşterilerin tahmin edilmesi firmaların kendilerini yapılandırması ve gelirlerinin yönetilmesi açısından son derece önemlidir. Gerçekleştirilen çalışmada Amerika Birleşik Devletleri’ndeki havayollarından derlenen veriler kullanılarak uçuş seyahatinden nötr ya da memnun olmayan müşterilerin topluluk öğrenmesi yöntemleriyle tahmin edilmesi amaçlanmıştır. Modelleme aşamasında sınıflandırma problemlerinde yüksek tahmin doğruluğu üreten ve güncel makine öğrenmesi yöntemlerinden Rastgele Orman, Gradient Boosting ve XGBoost yöntemleri kullanılmıştır. Elde edilen en iyi doğruluk oranı %96,4 iken en iyi Özgüllük ve Negatif Tahmin Oranı değerleri sırasıyla %97,7 ve %96’dır. Model sonuçlarından elde edilen yüksek Özgüllük, Negatif Tahmin Oranı ve Doğruluk değerleri makine öğrenmesi yöntemlerinin havayolu taşımacılığında müşterilerin havayolu firmasını tekrar kullanıp kullanmayacağı tahmin işlemlerinde kullanılabileceğini göstermektedir.

Anahtar Kelimeler:

Determining Airline Customer Satisfaction With Ensemble Learning Methods
2022
Yazar:  
Özet:

Estimating the customers who aren’t satisfied with their travels in air transportation is extremely important in terms of structuring the companies themselves and managing the revenues. In this study, it’s aimed to predict neutral or dissatisfied customers with ensemble learning methods by using data compiled from airlines in the U.S. In the modeling phase, Random Forest, Gradient Boosting, and XGBoosting methods, which are current machine learning methods that produce high estimation accuracy in classification problems, were used. The best accuracy obtained was 96.4%, while the best Specificity and Negative Prediction Rate values were 97.7% and 96%, respectively. The high Specificity, Negative Prediction Rate, and Accuracy values obtained from the model results show that machine learning methods can be used to predict whether customers will reuse airline companies in airline transportation.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler




Alanya Akademik Bakış

Alan :   Sosyal, Beşeri ve İdari Bilimler

Dergi Türü :   Ulusal

Metrikler
Makale : 381
Atıf : 926
Alanya Akademik Bakış