Veri madenciliği: yapay sinir ağı ve doğrusal regresyon yöntemleri ile fiyat tahmini

Abstract

Veri madenciliği kavramı, finans piyasaları için son derece önemlidir. Çünkü yeterli veri ile bir mal veya hizmetin fiyatı tahmin edilebilir ve o mal veya hizmeti satın almak için harcanan zaman kayda değer miktarda azaltılabilir. Bu tezde ikinci el otomobil piyasasında yer alan araçların fiyatlarının veri madenciliği ile tahmini üzerine uygulama çalışması yapılmıştır. Bu çalışmada veri madenciliği aşamaları kullanılarak problem tanımı yapılmış, veri ön hazırlığı içerisinde veri temizliği yapılmış, veri keşfi ile veriler düzenlenmiş, modellenmiş, oluşturulan model değerlendirmeye alınmış ve model yerleştirme ile veri kullanılacak olan algoritmaların çalışma prensibine uygun hale getirilmiştir. Sonrasında doğrusal regresyon ve yapay sinir ağı yöntemleri ile değerlendirilmiştir. Değerlendirmeden çıkan sonuçlar ile ikinci el otomobil piyasasında yer alan araçların fiyatlarına yönelik tahmini veriler karşılaştırılmıştır. İkinci el araç fiyat tahmininde elde edilen bulgulardan biri, yapay sinir ağları ile yapılan tahminlerin sapma miktarlarının genellikle doğrusal regresyondan daha iyi sonuç verdiğidir. Bir diğer bulgu ise doğru verinin girilmesi ile sapma miktarlarının kayda değer seviyede azaldığıdır.

Concept of data mining is crucial for the finance market. Because cost of a good or a service can be estimated and the time which is spended to purchase that good or service can be reduced significantly with sufficient data. In this thesis, an application study was carried out on the estimation of the prices of the vehicles in the second hand car market. In this work with problem definition was made by using data mining stages, data cleaning was done in data preparation, data was arranged by the data exploration, modelling was done, created model was evaluated, and data was adapted by model deployment to the working principles of the algorithms that would be used. Then, it was evaluated by the methods of linear regression and artificial neural network. Results from the evaluation were compared with the estimated data for the prices of the vehicles in the second hand car market. Findings obtained in the second hand vehicle price forecasts show that the amount of the deviations made with artificial neural networks give generally better results than those made with linear regression. Another finding is that the amount of deviation decreases significantly by entering correct data.