Veri setine alt bölüme ayrılma aşamasında kullanılacak olan verilerin sınıflandırma sonucuna etkisini artırmak amacıyla algoritmik geliştirmeler yapılmıştır.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Bu çalışmada, bankacılıkta kullanılan sahte para denetimi konusunda çevrimiçi platform üzerinden alınan hazır verilerin güdümlü Makine Öğrenmede kullanılan Karar Ağacı algoritmalarından CART ile sınıflandırma işlemi yapılırken tüm süreçlerinin incelenmesi ve iyileştirmeler yapılması amaçlanmaktadır.
📊
Key Findings & Data:Algoritmanın daha iyileştirilmesi, karşılaştırmalı validasyon aşamasında eğitim verilerinin daha doğru seçilmesi yolu ile ağaç yapısının daha doğru eğitilmesi, bu şekilde sahtecilik başta olmak üzere algoritmanın her tür denetimde daha yüksek etkinlikte kullanılması beklenmektedir.
💡
Conclusion & Impact:Veri setine alt bölüme ayrılma aşamasında kullanılacak olan verilerin sınıflandırma sonucuna etkisini artırmak amacıyla algoritmik geliştirmeler yapılmıştır.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Sahte Para Denetimi · Karar Ağaçları · Karar Destek Sistemleri
Abstract
Bu çalışmada, bankacılıkta kullanılan sahte para denetimi konusunda çevrimiçi platform üzerinden alınan hazır verilerin güdümlü Makine Öğrenmede kullanılan Karar Ağacı algoritmalarından CART ile sınıflandırma işlemi yapılırken tüm süreçlerinin incelenmesi ve iyileştirmeler yapılması amaçlanmaktadır. Algoritmanın daha iyileştirilmesi, karşılaştırmalı validasyon aşamasında eğitim verilerinin daha doğru seçilmesi yolu ile ağaç yapısının daha doğru eğitilmesi, bu şekilde sahtecilik başta olmak üzere algoritmanın her tür denetimde daha yüksek etkinlikte kullanılması beklenmektedir. Test ve eğitim verileri alt kümelere ayrılırken belirli kriterlere göre bu işlemlerin yapılması özellikle eğitim aşamasında sistemin kararlılığını artırmakta ve başarı oranını yükseltmektedir. Veri setine alt bölüme ayrılma aşamasında kullanılacak olan verilerin sınıflandırma sonucuna etkisini artırmak amacıyla algoritmik geliştirmeler yapılmıştır.
Bilenler, B., Özgüven, K. (2020). BANKALARIN SAHTE PARA DENETİMİNDE KULLANDIKLARI KARAR AĞAÇLARINDA SONUÇ İYİLEŞTİRİCİ YÖNTEMLER. TIDE AcademIA Research, Cilt: 2 Sayı: 1, 71–89. https://ajindex.com/articles/1602041
Teng, J., Lin, K.,Ho, B. (2007) “Application of Classification Tree and Logistic Regression for The Management and Health İntervention Plans in A Community-Based Study”, Journal of Evaluation in Clinical Practice, 13: 741-748
Silahtaroğlu, G. (2008) “Kavram ve Algoritmalarıyla Temel Veri Madenciliği”, Papatya Yayıncılık Eğitim, İstanbul, 33, 45-47, 58
Berry, M. J., Linoff, G. S. (2004) “Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management 2nd ed.”, Wiley, USA,
Kurt, I., Ture, M.,Kurum, A. T., (2008) “Comparing Performances of Logistic Regression, Classification and Regression Tree, and Neural Networks for Predicting Coronary Artery Disease”, Expert Systems with Applications, 34: 366–374
Deconinck, E., Hancock, T., Coomans, D., Massart, D.L., Heyden, Y.V. (2005) “Classification of drugs in absorption classes using the classification and regression trees (CART) methodology”, Journal of Pharmaceutical and Biomedical Analysis, 39: 91–103 (2005).
Hand David, Mannila Heikki ve Smyth Padhraic (2001), Principles of Data Mining, MIT Press, USA.
Arlot S, Celisse A. (2010) A survey of crossvalidation procedures for model selection. Statistics Surveys 2010;4:40-79.
Gordon, G. ve Pressman, I. (1983). Quantitative Decision-Making For Business. İkinci Baskı, USA: Prentice Hall International, Inc.
Teng, J., Lin, K.,Ho, B. (2007) “Application of Classification Tree and Logistic Regression for The Management and Health İntervention Plans in A Community-Based Study”, Journal of Evaluation in Clinical Practice, 13: 741-748
Kurt, I., Ture, M.,Kurum, A. T., (2008) “Comparing Performances of Logistic Regression, Classification and Regression Tree, and Neural Networks for Predicting Coronary Artery Disease”, Expert Systems with Applications, 34: 366–374
Deconinck, E., Hancock, T., Coomans, D., Massart, D.L., Heyden, Y.V. (2005) “Classification of drugs in absorption classes using the classification and regression trees (CART) methodology”, Journal of Pharmaceutical and Biomedical Analysis, 39: 91–103 (2005).