15 November 2020 in Ekoist: Journal of Econometrics and Statistics
İstanbul Üniversitesi Yayın Projesi
17 September 2021 in Bitlis Eren Üniversitesi Fen Bilimleri Dergisi
Imbalanced data classification is a common issue in data mining where the classifiers are skewed towards the larger data class. Classification of high-dimensional skewed (imbalanced) data is of great interest to decision-makers as it is more difficult to. The dimension reduction method, a process in which variables are reduced, allows high dimensional datasets to be interpreted more easily with a certain loss. This study, a method combining SMOTE oversampling with principal component analysis is proposed to solve the imbalance problem in high dimensional data. Three classification algorithms consisting of Logistic Regression, K-Nearest Neighbor, Decision Tree methods and two separate datasets were utilized to evaluate the suggested method's efficacy and determine the classifiers' performance. Respectively, raw datasets, converted datasets by PCA, SMOTE and SMOTE+PCA (SMOTE and PCA) methods, were analyzed with the given algorithms. Analyzes were made using WEKA. Analysis results suggest that almost all classification algorithms improve their classification performance using PCA, SOMTE, and SMOTE+PCA methods. However, the SMOTE method gave more efficient results than PCA and PCA+SMOTE methods for data rebalancing. Experimental results also suggest that K-Nearest Neighbor classifier provided higher classification performance compared to other algorithms.
30 July 2021 in MANAS Sosyal Araştırmalar Dergisi
İnsanoğlu, yaşam standardını yükseltmek için sürekli bir çaba içerisinde olmuştur. Ancak daha sağlıklı, bilinçli ve kaliteli yaşam standartlarına ulaşmanın yolu genellikle iktisadi zaman serileri arasındaki ilişkilerin doğru bir şekilde belirlenmesi ve dolayısıyla daha iyi bir kalkınma stratejisi geliştirmesi ile mümkün olabilir. Bu amaç doğrultusunda; bu çalışmada 1996-2019 yılları arasındaki yıllık veriler kullanılarak Türkiye’nin eğitim, sağlık ve Ar-Ge harcamalarının ekonomik büyümesi üzerine olan etkileri incelenmiştir. Değişkenler arasındaki ilişkilerin belirlenmesinde ARDL sınır testi ve ilişkilerin yönünün belirlenmesinde de Toda-Yamamoto nedensellik testi kullanılmıştır. Analizler, %5 anlamlılık düzeyinde uzun dönemde eğitim, sağlık ve Ar-Ge harcamaları ile GSYİH arasında anlamlı ve pozitif yönlü bir ilişki olduğunu göstermiştir. Ayrıca, Toda-Yamamoto testi ise her bir değişken ile GSYİH arasındaki nedensellik ilişkinin çift yönlü olduğunu göstermiştir. Sonuç olarak; eğitim, sağlık ve Ar-Ge alanlarında yapılan iyileştirmelerin gelir düzeyini ve dolayısıyla yaşam kalitesini artırdığı söylenebilir. Bu nedenle, Türkiye’de devletin bu alanlara yapacağı yatırımlar önem arz etmekte ve ilgili kurumların bu alanlara yönelik politikalar geliştirilmesi önerilmektedir.
31 March 2023 in Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi
Hızla artan dünya nüfusu enerji kaynaklarına olan ihtiyacı artırmakta ve bu ihtiyaçlar yenilenemeyen enerji kaynaklarının aşırı kullanımına yol açmaktadır. Bu aşırı kullanımın başta karbondioksit (CO2) emisyonu olmak üzere çevre üzerinde olumsuz etkileri bulunmaktadır. Bu bağlamda enerji tüketimi ile CO2 arasındaki ilişki birçok araştırmada öne çıkmaktadır. Bu çalışmanın amacı, Türkiye’de kömür, doğalgaz, hidroelektrik ve yenilenebilir enerji tüketimlerinin CO2 emisyonu üzerindeki etkilerini ARDL Sınır testi ile incelemektir. Çalışmada, 1972-2021 yılları arasındaki veriler kullanılmış ve veriler Dünya Bankasından alınmıştır. Değişkenler arasındaki nedensellik ilişkisi için Toda-Yamamoto testi kullanılmıştır. ARDL testine göre %5 anlamlılık düzeyinde kömür, doğalgaz ve yenilenebilir enerji tüketimlerinin CO2 emisyonu üzerindeki etkisinin anlamlı (p0.05) olmadığı belirlenmiştir. Ayrıca yenilenebilir enerji tüketiminin CO2 emisyonunu azalttığı ve diğer üç değişkenin ise emisyonu artırdığı gözlemlenmiştir. Nedensellik testine göre; CO2 ile doğalgaz ve doğalgaz ile hidroelektrik arasında çift yönlü, kömürden doğalgaza ve hidroelektrikten kömüre ise tek yönlü bir nedensellik ilişkisi bulunurken, yenilenebilir enerjinin ise hiçbir değişkenle nedensellik ilişkisi bulunmamıştır. Sonuç olarak, CO2 emisyonu üzerinde en etkili değişkenin kömür olduğu belirlenmiştir. Böylece kömür enerjisi tüketiminin azaltılması ve bunun yerine yenilenebilir enerji tüketiminin artırılması CO2 emisyonlarını önemli ölçüde azaltacağından yenilenebilir enerji kaynaklarının kullanımı temiz bir çevre için büyük önem taşımaktadır. Ayrıca literatüre benzerlik ve farklılıkları dikkate alındığında çalışmanın literatüre katkı sağlayacağı ve iklim değişikliği konusunda üretilecek politikalara ışık tutabileceği düşünülmektedir.
29 March 2023 in Journal of Scientific Reports-A
In this study, Shapiro-Wilk, Kolmogorov-Smirnov, Skewness, Kurtosis, Lilliefors, Jargue-Bera and D'Agostino -Pearson tests, which are univariate normality tests, were compared in point of type-I error and power performances. For comparisons, samples were created in various distributions and sample volumes by simulation technique, and the probability of type-I error was taken as 0.05 in comparisons. Thus, it is aimed to determine the best test to check whether the normality condition is met in univariate data. As a result of the comparison, it was determined that the Jargue-Bera test gave better results than the other tests in point of type-I error probability. In addition, when the normality tests examined in all distributions were taken into account and compared, it was concluded that the Shapiro-Wilk gives better results than other tests in general for normal and non-normal distributions, and that D'Agostino -Pearson, Skewness and Jargue-Bera tests were also stronger than the other tests. In addition, it was determined that the increase in sample sizes increased power of the test. In conclusion, it can be said that in addition to the distribution pattern, type-I error probability and sample size are also very important factors for test power.
30 April 2021 in Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi
En tr Nonlinear principal component analysis (NLPCA) is a descriptive dimension reduction method that examines the relationships between variables and displays the results numerically and visually in multivariate datasets that have a linear or nonlinear relationship between them. In this study, it was aimed to present the basic explanatory information about nonlinear principal components analysis (NLPCA) and to emphasize its usability by performing application. In the study, data obtained from 270 samples for 17 continuous variables concerning 3 pepper varieties were evaluated by Principal components analysis (PCA). With the 4 principal components obtained as a result of PCA, being 3 categorical variables Variety, storage time and Application were analyzed by NLPCA. In the analysis made with PCA, approximately 74% of the total variance was explained and in the analysis made with NLPCA, approximately 58% was explained as well. As a result of the analysis; it was observed that there was a strong relationship between PC1 and storage time and variety, and PC3 and PC2 variables, while the relationship between PC4 and application variables and all variables was low. As a result; by examining the linear and nonlinear relationships between the variables in the multivariate datasets, these relationships intended to be presented in an easily interpreted and easily understandable way in two-dimensional space; it was emphasized that NLPCA can be used alone and/or together with other multivariate analysis methods. Doğrusal olmayan temel bileşenler analizi (NLPCA), aralarında doğrusal ya da doğrusal olmayan ilişki bulunan çok değişkenli veri setlerinde, değişkenler arasındaki ilişkileri inceleyen ve sonuçları sayısal ve görsel olarak gösteren, açıklayıcı bir boyut indirgeme yöntemidir. Bu çalışmada, doğrusal olmayan temel bileşenler analizi (NLPCA) hakkında temel açıklayıcı bilgilerin sunulması ve uygulaması yapılarak kullanılabilirliğinin vurgulanması amaçlanmıştır. Çalışmada 3 biber çeşidine ait 17 sürekli değişken için 270 örnekten elde edilen veriler, Temel bileşenler analizi (PCA) ile değerlendirilmiştir. PCA sonucunda elde edilen 4 temel bileşen ile çeşit, depolama süresi ve uygulama olmak üzere 3 kategorik değişken, NLPCA ile analiz edilmiştir. PCA ile yapılan analizde toplam varyansın yaklaşık %74’lük kısmı, NLPCA ile yapılan analizde ise yaklaşık % 58’lik kısmı açıklanmıştır. Analiz sonucunda; PC1 ile depolama süresi ve çeşit ile PC3 ve PC2 değişkenleri arasında güçlü bir ilişki olduğu gözlenirken, PC4 ve uygulama değişkenleri ile tüm değişkenler arasındaki ilişkilerinin düşük olduğu gözlenmiştir. Sonuç olarak; çok değişkenli veri setlerinde yer alan değişkenler arasındaki doğrusal ve doğrusal olmayan ilişkilerin incelenerek, bu ilişkilerin kolay yorumlanabilir ve basit anlaşılabilir şekilde iki boyutlu uzayda sunulabilmesi açısından; NLPCA’nın tek başına ve/veya diğer çok değişkenli analiz yöntemleri ile birlikte kullanılabileceği vurgulanmıştır.