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 Bölümü
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.
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.
dc.identifier.doi10.26650/ibr.2021.50.015019
dc.identifier.endpage493
dc.identifier.issn2630-5488
dc.identifier.issue2
dc.identifier.startpage465
dc.identifier.trdizinid486773
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.volume50
dc.identifier.wosWOS:000726040300011
dc.identifier.wosqualityQ4
dc.indekslendigikaynakWeb of Science
dc.indekslendigikaynakTR-Dizin
dc.institutionauthorÜmit Fırat, Seniye
dc.institutionauthorid0000-0002-0271-5865
dc.language.isotr
dc.publisherİstanbul Üniversitesi
dc.relation.ispartofIstanbul Business Research
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectAğ Yapılara Hazır Olma Endeksi
dc.subjectİnovasyon
dc.subjectKarar Ağacı Öğrenmesi
dc.subjectKüresel İnovasyon Endeksi
dc.subjectSınıflandırma ve Regresyon Ağacı
dc.subjectNetworked Readiness Index
dc.subjectInnovation
dc.subjectDecision Tree Learning
dc.subjectGlobal Innovation Index
dc.subjectClassification and Regression Tree
dc.titleVeri madenciliği karar ağaçları kullanarak ülkelerin inovasyon değerlerinin tahmini ve doğrusal regresyon modeli ile karşılaştırmalı bir uygulama
dc.title.alternativePrediction of innovation values of countries using data mining decision trees and a comparative application with linear regression model
dc.typeArticle

Dosyalar

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