YENİLENMİŞ AKILLI TELEFON PİYASASINDA MAKİNE ÖĞRENMESİ İLE FİYAT TAHMİN MODELLERİ OLUŞTURULMASI
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: BERRİN BEYZA ÖZEN
Asıl Danışman (Eş Danışmanlı Tezler İçin): Tolga Aydın
Eş Danışman: Muhammed Fatih Alaeddinoğlu
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Bu tezde, yenilenmiş akıllı telefon fiyatlarını tahmin etmek için geleneksel makine öğrenmesi ve derin öğrenme yöntemlerinin performansları karşılaştırılmıştır. Yenilenmiş akıllı telefon pazarı, ekonomik koşulların getirdiği daha düşük fiyat avantajları ve sürdürülebilirlik talepleri nedeniyle giderek büyüyen bir sektör haline gelmiştir. Yöntem: Tez kapsamında, 36.130 cihaz verisi kullanılarak bir fiyat tahmin modeli geliştirilmiştir. Veri seti, marka, model, batarya kapasitesi, hafıza, renk, kozmetik durum, yenileme derecesi ve veri aktarım kapasitesi gibi 11 özellik içermektedir. Veri ön işleme aşamasında eksik değerler doldurulmuş, aykırı değerler tespit edilip düzenlenmiş ve kategorik değişkenler sayısal değerlere dönüştürülmüştür. Bulgular: Tezde Doğrusal Regresyon, Ridge, Lasso, Karar Ağacı, Rastgele Orman, K-En Yakın Komşu, Destek Vektör Regresyonu, Gradient Boosting, AdaBoost, Bagging, XGBoost ve LightGBM gibi geleneksel makine öğrenmesi algoritmaları ile LSTM ve DNN gibi derin öğrenme yöntemleri kullanılmıştır. Sonuç: Sonuçlar, XGB regressor modelinin çapraz doğrulama yöntemi kullanarak 0.9896 R² skoru ile en yüksek performansı elde ettiğini göstermiştir. Derin öğrenme modelleri arasında LSTM 0.9313 R² puanıyla iyi performans sergilemiştir. Ağaç tabanlı modeller, doğrusal modellere kıyasla yenilenmiş telefon fiyatlandırmasındaki karmaşık ilişkileri daha etkili bir şekilde yakalamıştır. Bu tez, yenilenmiş telefon pazarındaki fiyatlandırma süreçlerini iyileştirmesi ve tüketiciler ile satıcılar için daha şeffaf bir fiyatlandırma mekanizması sunması açısından önemli katkılar sağlamaktadır.