Makine Öğrenmesi Yöntemleri ile Vakıf Üniversiteleri Doluluk Tahminlemesi - Tuğba Kıral Özkan

Bu çalışmada makine öğrenmesinin sınıflandırma yöntemlerinden destek vektör makineleri ve k-en yakın komşu algoritması incelenmiştir. Bu yöntemler kullanılarak vakıf üniversitelerinin izleyen yıl ya da yıllarda kontenjanlarını doldurup doldurmayacağının tahmin başarısı araştırılmıştır. Araştırmada kullanılan veri seti, Ekim 2012-Şubat 2013 tarihleri arasında İstanbul ilinde faaliyet gösteren ve fakültelerinde işletme bölümü bulunan vakıf üniversitelerini kapsamaktadır. Bu kapsamda 22 vakıf üniversitesine ait 32 öznitelik kullanılmıştır. Veri seti, öznitelik seçimi öncesi ve sonrası olmak üzere ayrılmıştır. Bu seçim asgari gereksizlik-azami ilişkisellik (mRMR) yöntemi kullanılarak yapılmıştır. Sınıflandırma performansları birini dışarıda bırakma ve k-katlı çapraz geçerleme yöntemleriyle değerlendirilmiş, destek vektör makineleri ile elde edilen sonuçlar k-en yakın komşu algoritması ile karşılaştırılmıştır.

Bu çalışmada, destek vektör makineleri ve k-en yakın komşu algoritmasının kontenjan doluluğunun tahmin edilmesinde tutarlı ve tahmin gücü yüksek, tatmin edici sonuçlar verdiği görülmüştür.