Comparison of Classification Performance of Selected Algorithms Using Rural Development Investments Support Programme Data
Autor: | Cavit Yeşilyurt, Saadettin Aydin, Erol Aydin, Mehmet Ali Alan |
---|---|
Přispěvatelé: | [Alan, Mehmet Ali] Cumhuriyet Univ, Fac Econ & Adm Sci, Dept Management Informat Syst, TR-58140 Sivas, Turkey -- [Yesilyurt, Cavit] Kafkas Univ, Fac Econ & Adm Sci, Dept Management, TR-36100 Kars, Turkey -- [Aydin, Saadettin] Enstitute Strateg Thinking, TR-06460 Ankara, Turkey -- [Aydin, Erol] Kafkas Univ, Dept Livestock Econ & Management, Fac Vet Med, TR-36100 Kars, Turkey, Sivas Cumhuriyet Üniversitesi |
Jazyk: | angličtina |
Rok vydání: | 2014 |
Předmět: | |
Popis: | Kapsamlı verileri geleneksel istatistiksel teknikler yardımıyla değerlendirmek mümkün değildir. Bu tür kapsamlı verileri değerlendirmek için “Veri Madenciliği” gibi özel tekniklere ihtiyaç vardır. Veri madenciliği kapsamlı verileri hem kategorize ederek hem de kazık taktik kullanarak değerlendirmeyi kolaylaştırmaktadır. Bu çalışmada, Kırsal Kalkınma Yatırım Destekleme Programı (KKYDP) verilerinde çeşitli kategorize algoritmaları yardımıyla veri madenciliği tekniği kullanılmıştır. Çalışmada en uygun kategorize algoritma mevcut veriler kullanarak belirlenmeye çalışılmıştır. Sonuç olarak; analizlerde en iyi kategorizasyon yapan algoritma modelinin Çok Katmanlı Algılayıcı (ÇKA) yapay sinir ağ modeli olduğu belirlenmiştir. It is not always possible to solve a large size of data via traditional statistical techniques. In order to solve these kinds of data special tactics like data mining are needed. Data mining may meet these kinds of needs with both categorizing and piling tactic. In this study, we have used data mining by using Rural Development Investment Support Program (RDISP) data with various categorizing algorithms. The most prospering categorizing algorithm was tried to determine by using present data. At the end of analysis, it has been understood that MLP (multilayer perceptron), a nerve net model, is the best algorithm that makes the best categorizing. |
Databáze: | OpenAIRE |
Externí odkaz: |