Bireylerin Gelir Dağılım Seviyelerinin Makine Öğrenmesi Teknikleri İle Belirlenmesi

Toplumların ekonomik durumlarını değerlendirme üzerine yapılan çalışmalar mevcut durumu tespit etmek, yaşam koşullarını iyileştirmek ve geleceğe dönük stratejiler geliştirmek açısından son derece önemlidir. Bu konuda farklı disiplinler çeşitli araştırma, analiz ve tahminleme çalışmaları gerçekleştir...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2022-07, Vol.5 (2), p.753-766
Hauptverfasser: CANİBEY, Sait Taner, SEVLİ, Onur
Format: Artikel
Sprache:eng
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 766
container_issue 2
container_start_page 753
container_title Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi
container_volume 5
creator CANİBEY, Sait Taner
SEVLİ, Onur
description Toplumların ekonomik durumlarını değerlendirme üzerine yapılan çalışmalar mevcut durumu tespit etmek, yaşam koşullarını iyileştirmek ve geleceğe dönük stratejiler geliştirmek açısından son derece önemlidir. Bu konuda farklı disiplinler çeşitli araştırma, analiz ve tahminleme çalışmaları gerçekleştirmektedir. Bu çalışmada farklı ülkelerden toplanmış olan sosyoekonomik verilerine bağlı olarak bireylerin ekonomik seviyeleri üzerine makine öğrenmesi temelli tahminlemeler gerçekleştirilmiştir. Kullanılan veri setinde bireylerin yaş, çalışma durumu, eğitim seviyesi, medeni durumu, mesleği, ırkı, cinsiyeti, haftalık çalışma süresi ve gelir seviyesini gösterir sınıf yer almaktadır. KNN, DVM, Rastgele Orman ve Naive Bayes algoritmaları kullanılarak elde edilen ölçümler farklı metrikler açısından değerlendirilmiş ve karşılaştırılmıştır. En iyi doğruluk değeri %97.36 olarak Naive Bayes algoritması ile elde edilmiştir. Bu çalışma sosyoekonomik tahminlemeler konusunda çalışacak olan araştırmacılar için makine öğrenmesi temelli başarılı bir model örneği sunmaktadır. Studies on the evaluation of the economic situation of societies are extremely important in terms of determining the current situation, improving living conditions and developing strategies for the future. Different disciplines carry out various research, analysis and forecasting studies on this subject. In this study, machine learning-based predictions were made regarding the economic levels of individuals based on the socioeconomic data collected from different countries. The data set used includes the age, employment status, education level, marital status, occupation, race, gender, weekly working time, and income level of the individuals. On this data set, estimations were made on the income level of individuals by using different machine learning algorithms. The measurements obtained using KNN, SVM, Random Forest and Naive Bayes algorithms were evaluated and compared in terms of different metrics. The best accuracy value was obtained with the Naive Bayes algorithm as 97.36%. This study provides an example of a successful model based on machine learning for researchers who will work on socioeconomic forecasting.
doi_str_mv 10.47495/okufbed.1039815
format Article
fullrecord <record><control><sourceid>crossref</sourceid><recordid>TN_cdi_crossref_primary_10_47495_okufbed_1039815</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>10_47495_okufbed_1039815</sourcerecordid><originalsourceid>FETCH-LOGICAL-c885-9bdd360cd2b48756dc810a66bcfa81a904840249fa3d874d42faa74bac6a49343</originalsourceid><addsrcrecordid>eNotkLtOwzAYRj2ARFW6M_oFUnyLY4-0QEEqYiALU-TLH8nKpcgWSHkR1r4CfQbyYNA20zecT2c4CN1QshSF0PntrvmsLfglJVwrml-gGZOqyHjB9BVapBQsEVIyxnI5Q--rEGFoIYYeb6ANEd-bcT8e2vHQ4Tf4CgOc4D9-MU3oAf9-j_sIfQcp4BKaPjTHAx5_WsCro6E9w2t0WZs2wWLaOSofH8r1U7Z93Tyv77aZUyrPtPWeS-I8s0IVufROUWKktK42ihpNhBKECV0b7lUhvGC1MYWwxkkjNBd8jshZ6-IupQh19RFDZ-JQUVKdglRTkGoKwv8Avv1dHQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>Bireylerin Gelir Dağılım Seviyelerinin Makine Öğrenmesi Teknikleri İle Belirlenmesi</title><source>EZB-FREE-00999 freely available EZB journals</source><creator>CANİBEY, Sait Taner ; SEVLİ, Onur</creator><creatorcontrib>CANİBEY, Sait Taner ; SEVLİ, Onur</creatorcontrib><description>Toplumların ekonomik durumlarını değerlendirme üzerine yapılan çalışmalar mevcut durumu tespit etmek, yaşam koşullarını iyileştirmek ve geleceğe dönük stratejiler geliştirmek açısından son derece önemlidir. Bu konuda farklı disiplinler çeşitli araştırma, analiz ve tahminleme çalışmaları gerçekleştirmektedir. Bu çalışmada farklı ülkelerden toplanmış olan sosyoekonomik verilerine bağlı olarak bireylerin ekonomik seviyeleri üzerine makine öğrenmesi temelli tahminlemeler gerçekleştirilmiştir. Kullanılan veri setinde bireylerin yaş, çalışma durumu, eğitim seviyesi, medeni durumu, mesleği, ırkı, cinsiyeti, haftalık çalışma süresi ve gelir seviyesini gösterir sınıf yer almaktadır. KNN, DVM, Rastgele Orman ve Naive Bayes algoritmaları kullanılarak elde edilen ölçümler farklı metrikler açısından değerlendirilmiş ve karşılaştırılmıştır. En iyi doğruluk değeri %97.36 olarak Naive Bayes algoritması ile elde edilmiştir. Bu çalışma sosyoekonomik tahminlemeler konusunda çalışacak olan araştırmacılar için makine öğrenmesi temelli başarılı bir model örneği sunmaktadır. Studies on the evaluation of the economic situation of societies are extremely important in terms of determining the current situation, improving living conditions and developing strategies for the future. Different disciplines carry out various research, analysis and forecasting studies on this subject. In this study, machine learning-based predictions were made regarding the economic levels of individuals based on the socioeconomic data collected from different countries. The data set used includes the age, employment status, education level, marital status, occupation, race, gender, weekly working time, and income level of the individuals. On this data set, estimations were made on the income level of individuals by using different machine learning algorithms. The measurements obtained using KNN, SVM, Random Forest and Naive Bayes algorithms were evaluated and compared in terms of different metrics. The best accuracy value was obtained with the Naive Bayes algorithm as 97.36%. This study provides an example of a successful model based on machine learning for researchers who will work on socioeconomic forecasting.</description><identifier>ISSN: 2687-3729</identifier><identifier>DOI: 10.47495/okufbed.1039815</identifier><language>eng</language><ispartof>Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 2022-07, Vol.5 (2), p.753-766</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed><citedby>FETCH-LOGICAL-c885-9bdd360cd2b48756dc810a66bcfa81a904840249fa3d874d42faa74bac6a49343</citedby><cites>FETCH-LOGICAL-c885-9bdd360cd2b48756dc810a66bcfa81a904840249fa3d874d42faa74bac6a49343</cites><orcidid>0000-0002-8933-8395 ; 0000-0002-5781-6372</orcidid></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,780,784,27924,27925</link.rule.ids></links><search><creatorcontrib>CANİBEY, Sait Taner</creatorcontrib><creatorcontrib>SEVLİ, Onur</creatorcontrib><title>Bireylerin Gelir Dağılım Seviyelerinin Makine Öğrenmesi Teknikleri İle Belirlenmesi</title><title>Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi</title><description>Toplumların ekonomik durumlarını değerlendirme üzerine yapılan çalışmalar mevcut durumu tespit etmek, yaşam koşullarını iyileştirmek ve geleceğe dönük stratejiler geliştirmek açısından son derece önemlidir. Bu konuda farklı disiplinler çeşitli araştırma, analiz ve tahminleme çalışmaları gerçekleştirmektedir. Bu çalışmada farklı ülkelerden toplanmış olan sosyoekonomik verilerine bağlı olarak bireylerin ekonomik seviyeleri üzerine makine öğrenmesi temelli tahminlemeler gerçekleştirilmiştir. Kullanılan veri setinde bireylerin yaş, çalışma durumu, eğitim seviyesi, medeni durumu, mesleği, ırkı, cinsiyeti, haftalık çalışma süresi ve gelir seviyesini gösterir sınıf yer almaktadır. KNN, DVM, Rastgele Orman ve Naive Bayes algoritmaları kullanılarak elde edilen ölçümler farklı metrikler açısından değerlendirilmiş ve karşılaştırılmıştır. En iyi doğruluk değeri %97.36 olarak Naive Bayes algoritması ile elde edilmiştir. Bu çalışma sosyoekonomik tahminlemeler konusunda çalışacak olan araştırmacılar için makine öğrenmesi temelli başarılı bir model örneği sunmaktadır. Studies on the evaluation of the economic situation of societies are extremely important in terms of determining the current situation, improving living conditions and developing strategies for the future. Different disciplines carry out various research, analysis and forecasting studies on this subject. In this study, machine learning-based predictions were made regarding the economic levels of individuals based on the socioeconomic data collected from different countries. The data set used includes the age, employment status, education level, marital status, occupation, race, gender, weekly working time, and income level of the individuals. On this data set, estimations were made on the income level of individuals by using different machine learning algorithms. The measurements obtained using KNN, SVM, Random Forest and Naive Bayes algorithms were evaluated and compared in terms of different metrics. The best accuracy value was obtained with the Naive Bayes algorithm as 97.36%. This study provides an example of a successful model based on machine learning for researchers who will work on socioeconomic forecasting.</description><issn>2687-3729</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNotkLtOwzAYRj2ARFW6M_oFUnyLY4-0QEEqYiALU-TLH8nKpcgWSHkR1r4CfQbyYNA20zecT2c4CN1QshSF0PntrvmsLfglJVwrml-gGZOqyHjB9BVapBQsEVIyxnI5Q--rEGFoIYYeb6ANEd-bcT8e2vHQ4Tf4CgOc4D9-MU3oAf9-j_sIfQcp4BKaPjTHAx5_WsCro6E9w2t0WZs2wWLaOSofH8r1U7Z93Tyv77aZUyrPtPWeS-I8s0IVufROUWKktK42ihpNhBKECV0b7lUhvGC1MYWwxkkjNBd8jshZ6-IupQh19RFDZ-JQUVKdglRTkGoKwv8Avv1dHQ</recordid><startdate>20220718</startdate><enddate>20220718</enddate><creator>CANİBEY, Sait Taner</creator><creator>SEVLİ, Onur</creator><scope>AAYXX</scope><scope>CITATION</scope><orcidid>https://orcid.org/0000-0002-8933-8395</orcidid><orcidid>https://orcid.org/0000-0002-5781-6372</orcidid></search><sort><creationdate>20220718</creationdate><title>Bireylerin Gelir Dağılım Seviyelerinin Makine Öğrenmesi Teknikleri İle Belirlenmesi</title><author>CANİBEY, Sait Taner ; SEVLİ, Onur</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c885-9bdd360cd2b48756dc810a66bcfa81a904840249fa3d874d42faa74bac6a49343</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>CANİBEY, Sait Taner</creatorcontrib><creatorcontrib>SEVLİ, Onur</creatorcontrib><collection>CrossRef</collection><jtitle>Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>CANİBEY, Sait Taner</au><au>SEVLİ, Onur</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Bireylerin Gelir Dağılım Seviyelerinin Makine Öğrenmesi Teknikleri İle Belirlenmesi</atitle><jtitle>Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi</jtitle><date>2022-07-18</date><risdate>2022</risdate><volume>5</volume><issue>2</issue><spage>753</spage><epage>766</epage><pages>753-766</pages><issn>2687-3729</issn><abstract>Toplumların ekonomik durumlarını değerlendirme üzerine yapılan çalışmalar mevcut durumu tespit etmek, yaşam koşullarını iyileştirmek ve geleceğe dönük stratejiler geliştirmek açısından son derece önemlidir. Bu konuda farklı disiplinler çeşitli araştırma, analiz ve tahminleme çalışmaları gerçekleştirmektedir. Bu çalışmada farklı ülkelerden toplanmış olan sosyoekonomik verilerine bağlı olarak bireylerin ekonomik seviyeleri üzerine makine öğrenmesi temelli tahminlemeler gerçekleştirilmiştir. Kullanılan veri setinde bireylerin yaş, çalışma durumu, eğitim seviyesi, medeni durumu, mesleği, ırkı, cinsiyeti, haftalık çalışma süresi ve gelir seviyesini gösterir sınıf yer almaktadır. KNN, DVM, Rastgele Orman ve Naive Bayes algoritmaları kullanılarak elde edilen ölçümler farklı metrikler açısından değerlendirilmiş ve karşılaştırılmıştır. En iyi doğruluk değeri %97.36 olarak Naive Bayes algoritması ile elde edilmiştir. Bu çalışma sosyoekonomik tahminlemeler konusunda çalışacak olan araştırmacılar için makine öğrenmesi temelli başarılı bir model örneği sunmaktadır. Studies on the evaluation of the economic situation of societies are extremely important in terms of determining the current situation, improving living conditions and developing strategies for the future. Different disciplines carry out various research, analysis and forecasting studies on this subject. In this study, machine learning-based predictions were made regarding the economic levels of individuals based on the socioeconomic data collected from different countries. The data set used includes the age, employment status, education level, marital status, occupation, race, gender, weekly working time, and income level of the individuals. On this data set, estimations were made on the income level of individuals by using different machine learning algorithms. The measurements obtained using KNN, SVM, Random Forest and Naive Bayes algorithms were evaluated and compared in terms of different metrics. The best accuracy value was obtained with the Naive Bayes algorithm as 97.36%. This study provides an example of a successful model based on machine learning for researchers who will work on socioeconomic forecasting.</abstract><doi>10.47495/okufbed.1039815</doi><tpages>14</tpages><orcidid>https://orcid.org/0000-0002-8933-8395</orcidid><orcidid>https://orcid.org/0000-0002-5781-6372</orcidid></addata></record>
fulltext fulltext
identifier ISSN: 2687-3729
ispartof Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 2022-07, Vol.5 (2), p.753-766
issn 2687-3729
language eng
recordid cdi_crossref_primary_10_47495_okufbed_1039815
source EZB-FREE-00999 freely available EZB journals
title Bireylerin Gelir Dağılım Seviyelerinin Makine Öğrenmesi Teknikleri İle Belirlenmesi
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-24T12%3A01%3A54IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-crossref&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Bireylerin%20Gelir%20Da%C4%9F%C4%B1l%C4%B1m%20Seviyelerinin%20Makine%20%C3%96%C4%9Frenmesi%20Teknikleri%20%C4%B0le%20Belirlenmesi&rft.jtitle=Osmaniye%20Korkut%20Ata%20%C3%9Cniversitesi%20Fen%20Bilimleri%20Enstit%C3%BCs%C3%BC%20Dergisi&rft.au=CAN%C4%B0BEY,%20Sait%20Taner&rft.date=2022-07-18&rft.volume=5&rft.issue=2&rft.spage=753&rft.epage=766&rft.pages=753-766&rft.issn=2687-3729&rft_id=info:doi/10.47495/okufbed.1039815&rft_dat=%3Ccrossref%3E10_47495_okufbed_1039815%3C/crossref%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true