FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI

Ersin Namlı; Ramazan Ünlü; Ecem Gül

doi:10.36306/konjes.654952

FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI

Abstract

İkinci el araç alım satım piyasası dünyada olduğu gibi Türkiye’de de çok hareketli ve kayda değer büyüklükte bir pazardır. Satıcılar araçları için alabilecekleri maksimum fiyatı ararken alıcılar olabildiği kadar düşük fiyata maksimum kalitede bir araç almak için uğraşırlar. Ancak söz konusu araçların alım satımı esnasında çeşitli problemler olabilmekte ve belirli bir araç için bayi düzeyinde dahi standart bir fiyatlandırma politikası uygulanamamaktadır. Bu çalışmada bu problemi çözmek adına ikinci el bir araç için fiyatlandırma politikası oluşturup oluşturulamayacağı araştırılmıştır, bu kapsamda gerçek veriler toplanarak istatistiksel ve yapay zekâ tabanlı yöntemlerle tahmin modelleri oluşturulmuştur. Yapay zekânın alt dallarından bir tanesi olarak düşünebileceğimiz makine öğrenmesi teknikleri doğal dil işleme, metin madenciliği, görüntü işleme gibi çok kompleks problemlerin yanı sıra regresyon problemlerinde de doğrusal regresyon gibi klasik yöntemlere göre daha başarılı sonuçlar vermektedir. Bu noktadan hareketle bu çalışma da ikinci el araç satışlarındaki fiyatlandırma sisteminin standardize edilebilmesi için Yapay Sinir Ağları, Destek Vektör Makineleri ve Doğrusal Regresyon yöntemleri uygulanmış ve kullanılan metotlar sıkça tercih edilen çeşitli değerlendirme açısından kıyaslanmıştır. Çalışmanın bulgularına göre makine öğrenmesi teknikleriyle ikinci el araç alım satımında bir fiyatlandırma standardizasyonu yapabilmek mümkündür ve söz konusu makine öğrenme teknikleri doğrusal regresyon gibi klasik yöntemlere göre daha başarılı sonuçlar vermektedir.

Keywords

Yapay Sinir Ağları,Destek Vektör Makineleri,Doğrusal Regresyon,İkici El Araç Fiyatları

References

Aggarwal, C. C., & Zhai, C. (2012). Mining text data. Springer Science & Business Media.
Ahmed, N. K., Atiya, A. F., Gayar, N. El, & El-Shishiny, H. (2010). An empirical comparison of machine learning models for time series forecasting. Econometric Reviews, 29(5–6), 594–621.
Berry, M. W., & Castellanos, M. (2004). Survey of text mining. Computing Reviews, 45(9), 548.
Cao, L.-J., & Tay, F. E. H. (2003). Support vector machine with adaptive parameters in financial time series forecasting. IEEE Transactions on Neural Networks, 14(6), 1506–1518.
Chan, T.-H., Jia, K., Gao, S., Lu, J., Zeng, Z., & Ma, Y. (2015). PCANet: A simple deep learning baseline for image classification? IEEE Transactions on Image Processing, 24(12), 5017–5032.
Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297.
Daştan, H. (2016). TÜRKİYE’DE İKİNCİ EL OTOMOBİL FİYATLARINI ETKİLEYEN FAKTÖRLERİN HEDONİK FİYAT MODELİ İLE BELİRLENMESİ. İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(1), 303–327.
Ecer, F. (2013). Türkiye’de 2. El otomobil fiyatlarının tahmini ve fiyat belirleyicilerinin tespiti.

Hartigan, J. A., & Wong, M. A. (1979). Algorithm AS 136: A k-means clustering algorithm. Journal of the Royal Statistical Society. Series C (Applied Statistics), 28(1), 100–108.
Jain, A. K., & Dubes, R. C. (1988). Algorithms for clustering data.
Jurafsky, D. (2000). Speech and language processing: An introduction to natural language processing. Computational Linguistics, and Speech Recognition.
Kotsiantis, S. B., Zaharakis, I., & Pintelas, P. (2007). Supervised machine learning: A review of classification techniques. Emerging Artificial Intelligence Applications in Computer Engineering, 160, 3–24.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436.
Manning, C. D., Manning, C. D., & Schütze, H. (1999). Foundations of statistical natural language processing. MIT press.
Manning, C., Surdeanu, M., Bauer, J., Finkel, J., Bethard, S., & McClosky, D. (2014). The Stanford CoreNLP natural language processing toolkit. In Proceedings of 52nd annual meeting of the association for computational linguistics: system demonstrations (pp. 55–60).
Nasrabadi, N. M. (2007). Pattern recognition and machine learning. Journal of Electronic Imaging, 16(4), 49901.
Neter, J., Wasserman, W., & Kutner, M. H. (1989). Applied linear regression models.
Özçalıcı, M. (2017). Veri Madenciliğinde Birliktelik Kuralları ve İkinci El Otomobil Piyasası Üzerine Bir Uygulama. ODÜ Sosyal Bilimler Araştırmaları Dergisi (ODÜSOBİAD), 7(1), 45–58.
Rokach, L., & Maimon, O. Z. (2008). Data mining with decision trees: theory and applications (Vol. 69). World scientific.
Steinbach, M., Karypis, G., & Kumar, V. (2000). A comparison of document clustering techniques. In KDD workshop on text mining (Vol. 400, pp. 525–526). Boston.
Tan, A.-H. (1999). Text mining: The state of the art and the challenges. In Proceedings of the PAKDD 1999 Workshop on Knowledge Disocovery from Advanced Databases (Vol. 8, pp. 65–70). sn.
Wan, J., Wang, D., Hoi, S. C. H., Wu, P., Zhu, J., Zhang, Y., & Li, J. (2014). Deep learning for content-based image retrieval: A comprehensive study. In Proceedings of the 22nd ACM international conference on Multimedia (pp. 157–166). ACM.
Wang, N., & Yeung, D.-Y. (2013). Learning a deep compact image representation for visual tracking. In Advances in neural information processing systems (pp. 809–817).

Details

Primary Language

Turkish

Subjects

Engineering

Journal Section

Research Article

Authors

Ersin Namlı
Türkiye

Ramazan Ünlü
Türkiye

Ecem Gül This is me
Türkiye

Publication Date

December 4, 2019

Submission Date

December 12, 2018

Acceptance Date

May 23, 2019

Published in Issue

Year 2019 Volume: 7 Number: 4

DOI

https://doi.org/10.36306/konjes.654952

IZ

https://izlik.org/JA28GL42MW

Cite

RIS / Bibtex

APA

Namlı, E., Ünlü, R., & Gül, E. (2019). FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI. Konya Journal of Engineering Sciences, 7(4), 806-821. https://doi.org/10.36306/konjes.654952

AMA

1.Namlı E, Ünlü R, Gül E. FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI. KONJES. 2019;7(4):806-821. doi:10.36306/konjes.654952

Chicago

Namlı, Ersin, Ramazan Ünlü, and Ecem Gül. 2019. “FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI”. Konya Journal of Engineering Sciences 7 (4): 806-21. https://doi.org/10.36306/konjes.654952.

EndNote

Namlı E, Ünlü R, Gül E (December 1, 2019) FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI. Konya Journal of Engineering Sciences 7 4 806–821.

IEEE

[1]E. Namlı, R. Ünlü, and E. Gül, “FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI”, KONJES, vol. 7, no. 4, pp. 806–821, Dec. 2019, doi: 10.36306/konjes.654952.

ISNAD

Namlı, Ersin - Ünlü, Ramazan - Gül, Ecem. “FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI”. Konya Journal of Engineering Sciences 7/4 (December 1, 2019): 806-821. https://doi.org/10.36306/konjes.654952.

JAMA

1.Namlı E, Ünlü R, Gül E. FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI. KONJES. 2019;7:806–821.

MLA

Namlı, Ersin, et al. “FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI”. Konya Journal of Engineering Sciences, vol. 7, no. 4, Dec. 2019, pp. 806-21, doi:10.36306/konjes.654952.

Vancouver

1.Ersin Namlı, Ramazan Ünlü, Ecem Gül. FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI. KONJES. 2019 Dec. 1;7(4):806-21. doi:10.36306/konjes.654952

FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI

FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI

Abstract

Keywords

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite

Cited By

Y KUŞAĞININ İKİNCİ EL TÜKETİM MOTİVASYONLARININ VE ENGELLERİNİN BELİRLENMESİNE İLİŞKİN NİTEL BİR ARAŞTIRMA

Determining the best price with linear performance pricing and checking with fuzzy logic

ATMOSFERİK PARTİKÜL MADDELERİN MAKİNE ÖĞRENMESİ İLE TAHMİNİ: BEŞİKTAŞ, İSTANBUL ÖRNEĞİ

Using Linear Regression For Used Car Price Prediction

Türkiye’nin İthalat ve İhracatının Veri Madenciliği Yöntemleriyle Tahmini

İKİNCİ EL ARAÇ DEĞERLEMESİNDE MAKİNE ÖĞRENME TEKNİKLERİNİN UYGULANMASI

Prediction of cooling load via machine learning on building envelope design parameters

Makine Öğrenmesi Algoritmalarıyla Konut Fiyatlarının Tahmini: Giresun Örneği

A hybrid machine learning approach for housing price prediction: the stacking regressor method

Öğrenci Başarısı Tahmininde Scikit-Learn Kullanımı