İkinci el hafif ticari araçların gelecekteki fiyatlarının makine öğrenmesi algoritmaları ile tahmin edilmesi
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüz ekonomik şartlarında ikinci el araçlar, dünyanın hemen her bölgede tüketicilerin ilgi odağı olmuştur. Normal tüketicilerin yanı sıra ticari amaç güden işletmeler de kendi ekonomik çıkarları için bu sirkülasyonun içine girmişlerdir. Bu ekonomik sirkülasyonun içerisinde yer alan araçların güncel değerleri ve gelecekteki değerlerinin azalış veya artış durumu normal kullanıcılar veya işletmeler olan müşteriler için her zaman merak uyandırmıştır. Bu çalışmada son dönemlerde popüler hale gelen makine öğrenmesi algoritmaları kullanılarak gerek yurt içi gerek yurt dışı lojistik hizmeti sağlayan işletmelerin sıklıkla kullandığı ticari araçların ikinci el fiyatlarının tahmini yapılmaya çalışılmıştır. Çalışmada tahmin için makine öğrenmesi algoritmalarından olan Doğrusal (Lineer) Regresyon (Linear Regression), K-En Yakın Komşu (K-Nearest Neighbors), Karar Ağacı (Decision Tree) ve Rastgele Orman (Random Forest) algoritmaları kullanılmıştır. Makine öğrenmesi için gerekli olan veri seti 18.01.2023 ile 05.06.2023 tarihleri arasında ikinci el araç ilanlarının yer aldığı 2 farklı web sitesi üzerinden gözlem yoluyla elde edilmiştir. Belirtilen sürenin sonunda çalışmanın örnekleminde makine öğrenmesi için kullanılmak üzere 13 farklı kritere ait bilgilerin yer aldığı 20.616 adet ticari araç verisi toplanmıştır. Sonuç olarak çalışma kapsamında kullanılan makine öğrenmesi algoritmaları Korelasyon Katsayısı (R2), Ortalama Mutlak Hata (MAE) ve Kök Ortalama Kare Hatası (RMSE) gibi performans göstergeleri kullanılarak başarı oranları birbirleriyle karşılaştırılmıştır. Araştırmanın son bölümünde ise makine öğrenmesi algoritmalarından elde edilen bulgular değerlendirilmiş ve gerek akademiye gerek sektörde yer alan araştırmacılara yönelik gelecek araştırmaları için öneriler sunulmuştur.
In the current economic condition, second-hand vehicles have become a focal point for customers in almost every region of the world. In addition to normal customers, businesses with commercial purposes have also entered this circulation for their economic interests. The current values and the potential increase and decrease in the future values of the vehicles within this economic circulation have always intrigued customers, whether they are regular users or businesses. In this study, the second-hand prices of the commercial vehicles frequently used by businesses providing domestic and international logistics services have been aimed to estimate using machine learning algorithms that have recently become popular. In the study, machine learning algorithms such as Linear Regression, K-Nearest Neighbors, Decision Tree, and Random Forest have been employed for estimation. The dataset required for machine learning has been obtained through observation from two different websites featuring second-hand vehicle listings between 18.01.2023 and 05.06.2023. At the end of the specified period, data on 20.616 commercial vehicles, including information on 13 different criteria, has been collected for use in machine learning. As a result, the success rates of the machine learning algorithms used in the study have been compared using performance indicators such as the Correlation Coefficient (R2), Mean Absolute Error (MAE), and Root Mean Squared Error (RMSE). In the last part of the study, by evaluating the findings obtained from the machine learning algorithms, recommendations for future research have been provided for both academia and researchers in the industry.
In the current economic condition, second-hand vehicles have become a focal point for customers in almost every region of the world. In addition to normal customers, businesses with commercial purposes have also entered this circulation for their economic interests. The current values and the potential increase and decrease in the future values of the vehicles within this economic circulation have always intrigued customers, whether they are regular users or businesses. In this study, the second-hand prices of the commercial vehicles frequently used by businesses providing domestic and international logistics services have been aimed to estimate using machine learning algorithms that have recently become popular. In the study, machine learning algorithms such as Linear Regression, K-Nearest Neighbors, Decision Tree, and Random Forest have been employed for estimation. The dataset required for machine learning has been obtained through observation from two different websites featuring second-hand vehicle listings between 18.01.2023 and 05.06.2023. At the end of the specified period, data on 20.616 commercial vehicles, including information on 13 different criteria, has been collected for use in machine learning. As a result, the success rates of the machine learning algorithms used in the study have been compared using performance indicators such as the Correlation Coefficient (R2), Mean Absolute Error (MAE), and Root Mean Squared Error (RMSE). In the last part of the study, by evaluating the findings obtained from the machine learning algorithms, recommendations for future research have been provided for both academia and researchers in the industry.
Açıklama
Anahtar Kelimeler
Yönetim Bilişim Sistemleri, Management Information Systems
