BANKALARIN SAHTE PARA DENETİMİNDE KULLANDIKLARI KARAR AĞAÇLARINDA SONUÇ İYİLEŞTİRİCİ YÖNTEMLER

Year 2020, Volume: 2 Issue: 1, 71 - 89, 31.07.2020

Batuhan Bilenler Kutluk Özgüven

Abstract

Bu çalışmada, bankacılıkta kullanılan sahte para denetimi konusunda çevrimiçi platform üzerinden alınan hazır verilerin güdümlü Makine Öğrenmede kullanılan Karar Ağacı algoritmalarından CART ile sınıflandırma işlemi yapılırken tüm süreçlerinin incelenmesi ve iyileştirmeler yapılması amaçlanmaktadır. Algoritmanın daha iyileştirilmesi, karşılaştırmalı validasyon aşamasında eğitim verilerinin daha doğru seçilmesi yolu ile ağaç yapısının daha doğru eğitilmesi, bu şekilde sahtecilik başta olmak üzere algoritmanın her tür denetimde daha yüksek etkinlikte kullanılması beklenmektedir. Test ve eğitim verileri alt kümelere ayrılırken belirli kriterlere göre bu işlemlerin yapılması özellikle eğitim aşamasında sistemin kararlılığını artırmakta ve başarı oranını yükseltmektedir. Veri setine alt bölüme ayrılma aşamasında kullanılacak olan verilerin sınıflandırma sonucuna etkisini artırmak amacıyla algoritmik geliştirmeler yapılmıştır.

Keywords

Sahte Para Denetimi, Karar Ağaçları, Karar Destek Sistemleri, Makine Öğrenmesi, CART algoritması

References

• Teng, J. , Lin, K. ,Ho, B. (2007) “Application of Classification Tree and Logistic Regression for The Management and Health İntervention Plans in A Community-Based Study”, Journal of Evaluation in Clinical Practice, 13: 741-748
• Bozan, F (2010). CART(Classification and Regression Tree) Adres: http://www.farukbozan.com/2010/01/cartclassification-and-regression-tree/ Albright, S. C., Winston, W. L. ve Zappe, C. (2006). Data Analysis & Decision Making. Üçüncü Baskı, Australia: Thomson South-Western.
• Akın, E (2017). K-FOLD CROSS VALİDATİON http://cagriemreakin.com/veri-bilimi/k-fold-cross-validation-1.html Url-1<https://scikit-learn.org/stable/modules/cross_validation.html> Erişim tarihi: 24.09.2019
• Silahtaroğlu, G. (2008) “Kavram ve Algoritmalarıyla Temel Veri Madenciliği”, Papatya Yayıncılık Eğitim, İstanbul, 33, 45-47, 58
• Berry, M. J., Linoff, G. S. (2004) “Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management 2nd ed.”, Wiley, USA,
• Kurt, I. , Ture, M.,Kurum, A. T. , (2008) “Comparing Performances of Logistic Regression, Classification and Regression Tree, and Neural Networks for Predicting Coronary Artery Disease”, Expert Systems with Applications, 34 : 366–374
• Deconinck, E., Hancock, T., Coomans, D., Massart, D.L., Heyden, Y.V. (2005) “Classification of drugs in absorption classes using the classification and regression trees (CART) methodology”, Journal of Pharmaceutical and Biomedical Analysis, 39 : 91–103 (2005).
• Hand David, Mannila Heikki ve Smyth Padhraic (2001), Principles of Data Mining, MIT Press, USA.
• An Introduction To Classification and Regression Tree (CART) Analysis (2004) URL: https://www.researchgate.net/profile/Roger_Lewis6/publication/240719582_An_Introduction_to_Classification_and_Regression_Tree_CART_Analysis/links/0046352d3fb18f1740000000/An-Introduction-to-Classification-and-Regression-Tree-CART-Analysis.pdf . Erişim Tarihi: 24.02.2004.
• Arlot S, Celisse A. (2010) A survey of crossvalidation procedures for model selection. Statistics Surveys 2010;4:40-79.
• Gordon, G. ve Pressman, I. (1983). Quantitative Decision-Making For Business. İkinci Baskı, USA: Prentice Hall International, Inc.