SavedAdd your journal

Journals / İnönü Üniversitesi Eğitim Fakültesi Dergisi / 2021 / Cilt: 22 - Sayı: 1

DEĞİŞKENLER ARASI FARKLI İLİŞKİ TİPLERİNDE M5-PRIME VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KARŞILAŞTIRMASI

Hüseyin YILDIZ
Alperen YANDI
Pages
744–771
Publication Date
2021-04-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu bağlamda araştırmacıların değişkenler arası ilişkilerin çeşitlendiği durumlarda M5-Prime algoritmasını kullanması önerilebilir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada sosyal bilimlerde karşılaşılabilecek değişkenler arası ilişkilerin farklı tiplerinde M5-Prime ve doğrusal regresyon yöntemlerinin karşılaştırılması amaçlanmıştır.
📊
Key Findings & Data:Bu doğrultuda farklı ilişki tipine sahip dört farklı veri seti üretilmiştir.
💡
Conclusion & Impact:Bu bağlamda araştırmacıların değişkenler arası ilişkilerin çeşitlendiği durumlarda M5-Prime algoritmasını kullanması önerilebilir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Doğrusal Regresyon · M5-Prime · Regresyon Ağaçları

Özet

Bu çalışmada sosyal bilimlerde karşılaşılabilecek değişkenler arası ilişkilerin farklı tiplerinde M5-Prime ve doğrusal regresyon yöntemlerinin karşılaştırılması amaçlanmıştır. Bu doğrultuda farklı ilişki tipine sahip dört farklı veri seti üretilmiştir. Her bir veri seti türü için 3000 replikasyon yapılmıştır. Veri setlerinin üretiminde R programlama dili kullanılmıştır. Üretilen dört veri setinden ilkinde değişkenler arası ilişkinin yönü ve gücü sabit şekildedir. Diğer veri setlerinde ise bağımsız değişkenin farklı düzeylerinde, değişkenler arası ilişkiler de farklılaşmaktadır. İki farklı yöntemle yapılan analizlerde elde edilen korelasyon katsayısı (R), açıklanan varyans oranı (R2), ortalama mutlak hata, RMSE, göreceli mutlak hata değerleri incelenmiştir. Analizlerin tümü R programlama dilinin RWeka paketi kullanılmıştır. Analiz sonuçlarına göre dört farklı tipteki veri setinden ilkinde M5-Prime ve doğrusal regresyon yöntemleri eş değer sonuçlar vermiştir. İlişkinin yön ve gücünün değişkenlik göstermediği bu veri seti doğrusal regresyon içi en uygun yapıda olan veri setidir. Diğer üç tip veri seti için elde edilen sonuçlara göre ise ilişkinin açıklanması sürecinde M5-Prime yönteminin daha uygun sonuçlar verdiğine ulaşılmıştır. Bu bağlamda araştırmacıların değişkenler arası ilişkilerin çeşitlendiği durumlarda M5-Prime algoritmasını kullanması önerilebilir.

🔖

Cite This Article

YILDIZ, H., YANDI, A. (2021). DEĞİŞKENLER ARASI FARKLI İLİŞKİ TİPLERİNDE M5-PRIME VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KARŞILAŞTIRMASI. İnönü Üniversitesi Eğitim Fakültesi Dergisi, Cilt: 22 - Sayı: 1, 744–771. https://ajindex.com/articles/674541

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Anscombe, F. J. (1973). Graphs in Statistical Analysis. The American Statistician 27, 17–21.
  2. Breiman, L. & Friedman, J.H. (1985). Estimating Optimal Transformations for Multiple Regression and Correlation. Journal of the American Statistical Association 80, 580–598
  3. Breiman, L., Friedman, J., Stone, C. J. & Olshen, R. A. (1984). Classification and regression trees. CRC press. Byrne, B. M. (1998). Structural Equation Modeling with LISREL, PRELIS and SIMPLIS: Basic Concepts, Applications and Programming. Mahwah, New Jersey: Lawrence Erlbaum Associates. Chatterjee, S. & Simonoff J. S. (2013). Handbook of Regression Analysis. Canada: John & Sons, Inc., Hoboken. Cox, D. R. (1981). Statistical Analysis of Time Series: Some Recent Developments. Scandinavian Journal of Statistics 8, 93–115. Díaz, I., Mazza, S. M., Álvarez, E. F. C., Giménez, L. I. & Gaiad, J. E. (2017). Machine learning applied to the prediction of citrus production. Spanish journal of agricultural research, 15(2), 7. Dumludag, D., Gokdemir, O. & Giray, S. (2016). Income comparison, collectivism and life satisfaction in Turkey. Quality & Quantity, 50(3), 955-980.
  4. Eugene, Y. K. & Johnston, R. G. (1996). The Ineffectiveness of the Correlation Coefficient for Image Comparisons, Technical Report LAUR-96-2474. González Sánchez, A., Frausto Solís, J. & Ojeda Bustamante, W. (2014). Predictive ability of machine learning methods for massive crop yield prediction. Spanish Journal of Agricultural Research, 12(2), 313-328. doi: http://dx.doi.org/10.5424/sjar/2014122-4439
  5. Güvercin, D. (2018)
  6. Terörizmin, Eğitimde Cinsiyet Eşitsizliği Üzerine Etkisi: Türkiye Üzerine İl Bazında Uygulamalı Çalışma. Journal of Yaşar University, 13(51), 281-292.
  7. Harma, M. (2008). The impact of parental control and marital conflict on adolescents’ self-regulation and adjustment. Unpublished master's thesis). Middle East Technical University, Ankara.
  8. Hornik, K., Buchta, C. & Zeileis, A. (2009). “Open-Source Machine Learning: R Meets Weka.” Computational Statistics, 24(2), 225-232. doi: 10.1007/s00180-008-0119-7.
  9. King, B. E., Rice, J. & Vaughan, J. (2018). Using Machine Learning to Predict National Hockey League Average Home Game Attendance. Journal of Prediction Markets, 12(1), 85-98. doi: https://doi.org/10.5750/jpm.v12i2.1608
  10. Lee, J. (1992). A Coutionary Note on the Use of the Correlation-Coefficient. British Journal of Industrial Medicine 49, 526–527
  11. Leech, N.L., Barrett, K. C. & Morgan, G.A. (2005). Spss for Intermediate Statistic