Karar Ağaçlarıyla Öğrenci Verilerinin Sınıflandırılması
Öz
Bu çalışmada, karar ağaçları yöntemiyle Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Fakültesi öğrencilerine ait veriler kullanılarak veri madenciliği yapılmıştır. Öğrencilere ait verilerden yararlanarak, hem bu verileri en başarılı sınıflandıran karar ağaçlarına ait algoritma, hem de bu algoritmanın üreteceği sınıflar tespit edilmeye çalışılmıştır. Çalışmanın sonucunda LADTree algoritmasının öğrenci verilerini sınıflandırmada en başarılı algoritma olduğu ve ondokuz değişik sınıf ürettiği anlaşılmıştır.
Anahtar Kelimeler
Kaynakça
- Albayrak, A.Sait ve Yılmaz, Şebnem (2009), Veri Madenciliği: Karar Ağacı Algoritmaları Ve İMKB Verileri Üzerine Bir Uygulama Süleyman Demirel Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt.14, Sayı.1, ss.31–52
- Ayık, Y. Ziya, Özdemir, Abdülkadir ve Yavuz Uğur (2007), Lise Türü Ve Lise Mezuniyet Başarısının, Kazanılan Fakülte İle İlişkisinin Veri Madenciliği Tekniği İle Analizi,. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt 10, Sayı 2, ss.441–454
- Baykal, Abdullah ve Coşkun Cengiz (2011), Veri Madenciliğinde Sınıflandırma Karşılaştırılması, http://ab.org.tr/ab11/bildiri/67.pdf, 18.01.2013
- Bose, I., Chun, L. A.,Yue, L. V. W., Ines, L. H. W. and Helen, W. O. L., (2009), Business Data Warehouse: The Case of Wal-Mart, Data Mining Applications for Empowering Knowledge Societies, Ed. Hakikur Rahman, Information Science Reference, pp.189-198
- Bramer, Max (2007), Principles of Data Mining, Springer, London
- Dener, Murat, Dörerler Murat ve Orman Abdullah, (2009), Açık Kaynak Kodlu Veri Madenciliği Programları: WEKA’da Örnek Uygulama, ab.org.tr/ab09/bildiri/42.pdf, 18.01.2013
- Dolgun ve Diğerleri (2009, Veri Madenciliğinde Yapısal Olmayan Verilerin Analizi: Metin ve Web Madenciliği, İstatistikçiler Dergisi 2, ss.48-58
- Dong-Peng Yang, Li Jin-Lin, Lun Ran and Chao Zhou, (2008), Applications of Data Mining Methods in the Evaluation of Client Credibility, Applications of Data Mining in E-Business and Finance C. Soares et al. (Eds.), IOS Press, Amsterdam, pp.35-43
- Giudici, Paolo and Figini, Silvia, (2009), Applied Data Mining For Business and Industry, Second Edition, Wiley Publicition, West Sussex
- Han, Jiawei and Kamber, Micheline, (2006), Data Mining: Concepts and Techniques, Second Edition, Morgan Kaufmann Publications, San Francisco
