SavedAdd your journal

Journals / Endüstri Mühendisliği / 2014 / Cilt: 25 - Sayı: 3

AN APPLICATION ON COMPUTER AND INTERNET SECURITY WITH DECISION TREE ALGORITHMS IN DATA MINING

VERİ MADENCİLİĞİNDE KARAR AĞACI ALGORİTMALARI İLE BİLGİSAYAR VE İNTERNET GÜVENLİĞİ ÜZERİNE BİR UYGULAMA

Aslı ÇALIŞ
Sema KAYAPINAR
Tahsin ÇETİNYOKUŞ
Pages
2–19
Publication Date
2014-11-07
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)

In this study, a survey was taken on computer and internet security and it was aimed to make an inference for people have different demographic characteristics by using decision trees.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Developments in computer technologies caused increase in amount of information generated and volume of database systems.
📊
Key Findings & Data:By discovering data kept stored in databases as ones having beneficial use potential and creation of meaningful patterns is expressed with the concept of data mining.
💡
Conclusion & Impact:In this study, a survey was taken on computer and internet security and it was aimed to make an inference for people have different demographic characteristics by using decision trees.
🔬Design:Survey & Empirical Study
📍Scope:Comprehensive Sample
⚙️Variables:Anket · karar ağaçları · Survey

Abstract

Developments in computer technologies caused increase in amount of information generated and volume of database systems. By discovering data kept stored in databases as ones having beneficial use potential and creation of meaningful patterns is expressed with the concept of data mining. Decision trees are one of the data mining approaches widely used for classification and forecasting. In this study, a survey was taken on computer and internet security and it was aimed to make an inference for people have different demographic characteristics by using decision trees.

Özet

Bilgisayar teknolojilerindeki gelişmeler, üretilen bilgi miktarlarında ve veri tabanı sistemlerinin hacminde artış meydana getirmiştir. Veri tabanlarında saklı tutulan, yararlı olma potansiyeline sahip verilerin keşfedilerek anlamlı örüntülerin ortaya çıkarılması, veri madenciliği kavramıyla ifade edilmektedir. Karar ağaçları, sınıflandırma ve tahmin için sıkça kullanılan veri madenciliği yaklaşımlarından biridir. Bu çalışmada, bilgisayar ve internet güvenliği üzerine anket düzenlenmiş olup, karar ağaçları kullanılarak farklı demografik özellikteki kişiler için çıkarım yapılması hedeflenmiştir.

🔖

Cite This Article

ÇALIŞ, A., KAYAPINAR, S., ÇETİNYOKUŞ, T. (2014). AN APPLICATION ON COMPUTER AND INTERNET SECURITY WITH DECISION TREE ALGORITHMS IN DATA MINING. Endüstri Mühendisliği, Cilt: 25 - Sayı: 3, 2–19. https://ajindex.com/articles/70717

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Han, J., Kamber, M. 2006. Data Mining: Concepts and Techniques, Morgan Kaufmann, USA
  2. Ching, W. K., Michael, K. P. 2002. Advances in Data Mining and Modeling, World Scientific, Hong Kong
  3. Chien, C. F., Chen, L. F. 2008. “Data Mining to Improve Personnel Selection and Enhance Human Capital: A Case Study in High-Technology Industry,” Expert Systems with Applications, vol. 34, p. 280-290
  4. Larose, D. T. 2005. Discovering Knowledge in Data: An İntroduction in Data Mining, Wiley, USA
  5. Linoff, G. S. Berry, M. J. A. 2011. Data Mining Techniques for Marketing, Sales and Customer Relationship Management, Wiley, Canada
  6. Marakas, G. M. 2003. Decision Support Systems in The 21st Century, Prentice Hall, USA
  7. Hudairy, H. 2004. “Data Mining and Decision Making Support in The Governmental Sector,” Master Thesis, Faculty of Graduate School of The University of Louisville, Kentucky
  8. Savaş, S., Topaloğlu N., Yılmaz, M. 2012. “Veri Madenciliği ve Türkiye’deki Uygulama Örnekleri,” İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, sayı 21, s. 1-23
  9. Albayrak, A. S. 2009. “Türkiye’de Yerli ve Yabancı Ticaret Bankalarının Finansal Etkinliğe Göre Sınıflandırılması: Karar Ağacı, Lojistik Regresyon ve Diskriminant Analizi Modellerinin Bir Karşılaştırılması,” Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, sayı 14, s. 113-139
  10. Aşan, Z. 2007. “Kredi Kartı Kullanan Müşterilerin Sosyo-Ekonomik Özelliklerinin Kümeleme Analizi ile İncelenmesi,” Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, cilt 17, s. 256-267
  11. Bilen, H. 2009. “Bankacılık Sektöründe Personel Seçimi ve Performans Değerlendirilmesine İlişkin Veri Madenciliği Uygulaması,” Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara
  12. Doğan, B. 2008. “Bankaların Gözetiminde Bir Araç Olarak Kümeleme Analizi: Türk Bankacılık Sektörü İçin Bir Uygulama,” Doktora Tezi, Kadir Has Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul
  13. Tosun, T. 2006. “Veri Madenciliği Teknikleriyle Kredi Kartlarında Müşteri Kaybetme Analizi,” Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul
  14. Çil, F. 2010. “Banka Yatırım Fonu Müşteri Hareketlerinin Belirlenmesine Yönelik Bir Veri Madenciliği Uygulaması,” Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara
  15. Çakır, Ö. 2008. “Veri Madenciliğinde Sınıflandırma Yöntemlerinin Karşılaştırılması: Bankacılık Müşteri Veri Tabanı Üzerinde Bir Uygulama,” Doktora Tezi, Marmara