Veri madenciliği karar ağaçları kullanarak ülkelerin inovasyon değerlerinin tahmini ve doğrusal regresyon modeli ile karşılaştırmalı bir uygulama

dc.contributor.authorDoğruel, Merve
dc.contributor.authorÜmit Fırat, Seniye
dc.date.accessioned2024-06-13T20:18:29Z
dc.date.available2024-06-13T20:18:29Z
dc.date.issued2021
dc.departmentFakülteler, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümüen_US
dc.description.abstractÜlkelerin sahip olduğu inovasyon seviyeleri ve kapasiteleri, günümüzde hem rekabet edebilirlik hem de yaşamakta olduğumuz Endüstri 4.0 Devrimi açısından son derece önemlidir. Bu kapsamda bakıldığında, ülkeler açısından kapasite ve seviye göreceli bir kavram olarak kalmaktadır ve küresel karşılaştırmalar açısından ortak bir ölçme sistemine gereksinim vardır. Bu ihtiyacı önemli ölçüde karşılayan Ağ Yapılara Hazır Olma Endeksi (AYHOE) ve Küresel İnovasyon Endeksi (KİE), ülkelerin inovasyon seviyelerinin belirlenmesinde etkili ve kapsamlı endekslerdir. Ayrıca her iki endeks de akademik altyapıya sahiptir ve bu nedenle araştırmacılar için önemli bir veri kaynağıdır. Bu çalışma, KİE değeri ve AYHOE endeksine ait alt endekslerin boyutlarında yer alan göstergeler kullanılarak, denetimli makine öğrenmesi temellerine dayanan bir veri madenciliği tekniği olan regresyon ağacı analizi ve doğrusal regresyon analizi uygulamalarını ve karşılaştırmasını içermektedir. Araştırmanın amacı regresyon ağacı uygulayarak, AYHOE göstergelerinden hareketle KİE tahminlemesi yapmak ve en iyi ayrılmayı sağlayan KİE göstergelerini belirlemektir. Analiz için Sınıflandırma ve Regresyon Ağacı ((SRA) - Clasification and Regression Tree (CART)) algoritması kullanılmıştır. Analiz sonucunda AYHOE kapsamındaki hangi göstergelerin, KİE değerleri tahmininde ve ülke sıralamasında kullanılabileceği belirlenmiştir. Aynı veri seti kullanılarak doğrusal regresyon analizi uygulanmıştır. SRA algoritması ile elde edilen regresyon ağacı sonuçları, doğrusal regresyon modelinden elde edilen çıkarımlar ile karşılaştırılmıştır.en_US
dc.description.abstractInnovation levels and capacities of countries are two very important factors for competitiveness as well as the current Industrial 4.0 Revolution. In this context, capacity and level are relative concepts, with a great need for a common measurement system on global-based comparisons. The Network Readiness Index (NRI) and the Global Innovation Index (GII), which meet this need to a significant extent, are globally important indices with an effective and academic infrastructure to determine the innovation levels of countries. This study includes regression tree analysis and linear regression analysis and comparison using the indicators within the dimensions below the subscales of the GII score and NRI index based on supervised machine learning. The regression tree application aimed to make the Gil estimation based on the NRI indicators and determine the best discriminating Gil indicators. Therefore, the Classification and Regression Tree (CART) algorithm is used for analysis. The analysis result determined the indicators within the scope of NRI that are used in the Gil scores and country ranking estimation. Linear regression analysis was performed with the same data set, and the regression tree obtained by the CART algorithm was compared with the linear regression model.en_US
dc.identifier.doi10.26650/ibr.2021.50.015019
dc.identifier.endpage493en_US
dc.identifier.issn2630-5488
dc.identifier.issue2en_US
dc.identifier.startpage465en_US
dc.identifier.trdizinid486773en_US
dc.identifier.urihttps://doi.org/10.26650/ibr.2021.50.015019
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/486773
dc.identifier.urihttps://hdl.handle.net/11501/1394
dc.identifier.volume50en_US
dc.identifier.wosWOS:000726040300011en_US
dc.identifier.wosqualityQ4en_US
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorÜmit Fırat, Seniyeen_US
dc.institutionauthorid0000-0002-0271-5865
dc.language.isotren_US
dc.publisherİstanbul Üniversitesien_US
dc.relation.ispartofIstanbul Business Researchen_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subject Ağ Yapılara Hazır Olma Endeksien_US
dc.subjectİnovasyonen_US
dc.subjectKarar Ağacı Öğrenmesien_US
dc.subjectKüresel İnovasyon Endeksien_US
dc.subjectSınıflandırma ve Regresyon Ağacıen_US
dc.subjectNetworked Readiness Indexen_US
dc.subjectInnovationen_US
dc.subjectDecision Tree Learningen_US
dc.subjectGlobal Innovation Indexen_US
dc.subjectClassification and Regression Treeen_US
dc.titleVeri madenciliği karar ağaçları kullanarak ülkelerin inovasyon değerlerinin tahmini ve doğrusal regresyon modeli ile karşılaştırmalı bir uygulamaen_US
dc.title.alternativePrediction of innovation values of countries using data mining decision trees and a comparative application with linear regression modelen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
Tam Metin / Full Text
Boyut:
1.14 MB
Biçim:
Adobe Portable Document Format