Topluluk Öğrenme Yöntemleri ile Hanehalkı Toplam Enerji Harcamalarının Tahmin Edilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Ekonometri, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Esma Kesriklioğlu
Danışman: Erkan Oktay
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Hanehalkı enerji tüketiminin artması küresel eneji talep ve tüketiminin artması ile sonuçlanmaktadır. Hanehalkı enerji tüketim davranışlarını anlamak, enerji verimliliğini artırmaya yardımcı olacaktır. Topluluk öğrenme yöntemleri ile hanehalkı enerji harcamalarının sınıflandırılmasının uygunluğunu araştıran çalışmalar yetersizdir. Bu çalışmada, hanehalkı toplam enerji harcamalarının sınıflandırılması için yüksek performanslı bir topluluk öğrenme modelinin oluşturulması amaçlanmaktadır. Bu amaç doğrultusunda, Türkiye İstatistik Kurumu (TÜİK)'in yayınladığı Hanehalkı Bütçe Araştırması anketi 2019 veri seti kullanılarak, 11.521 hanenin hanehalkı tüketim verileri incelenmiştir. Hanehalkı toplam enerji harcamaları ile doğrudan ilişkili değişkenlere ek olarak, literatür çerçevesinde ve uzman görüşü rehberliğinde yeni değişkenler oluşturulmuştur. Hazırlanan veri, açık kaynak kodlu RapidMiner yazılım programı ile veri ön işleme, öznitellik seçimi, modelleme, tahmin ve performans değerlendirme aşamalarından geçirilmiştir. Makine öğrenmesi ve topluluk öğrenme yöntemlerinin sınıflandırma performansları karşılaştırılmıştır. Çalışmada, K-En Yakın Komşu, Karar ağacı, Naive Bayes, Derin Sinir Ağları, Random Forest, Gradyan Artırmalı Ağaç sınıflandırıcılarının yanında bagging (torbalama), boosting (artırma), voting (oylama) ve stacking (istifleme) topluluk öğrenme yöntemleri kullanılmıştır. Hanehalkı toplam enerji harcamalarının tahmin edilmesinde, en yüksek sınıflama performansını K-En Yakın Komşu, Karar ağacı, Naive Bayes, Derin Sinir Ağları, Random Forest, Gradyan Artırmalı Ağaç sınıflandırıcılarının birleştirilmesinden oluşan ALL model sağlamıştır. Stacking topluluk öğrenme yöntemi ALL modelde ve bagging topluluk öğrenme yöntemi Derin Sinir Ağları sınıflandırıcısında, topluluk öğrenme yöntemleri arasında en yüksek performansı elde etmiştir. Stacking ve bagging topluluk öğrenme yönteminin her ikisinin de doğruluk değeri 0.984, kappa değeri 0.979, duyarlılık ağırlıklı ortalama değeri 0.984 ve kesinlik ağırlıklı ortalama değeri 0.984 olarak elde edilmiştir. Sonuçlar; topluluk öğrenme yöntemlerinin, hanehalkı toplam enerji harcamalarını tahmin etmek için bireysel makine öğrenmesi yöntemlerini önemli ölçüde iyileştirebildiğini göstermektedir.