Abdulmuttalip Duran, Kübra Çeli̇k, Kemal Adem, Sezer Dümen
{"title":"Yapay Zekâ Algoritmaları ile Dünya Mutluluğunu Tahminleme","authors":"Abdulmuttalip Duran, Kübra Çeli̇k, Kemal Adem, Sezer Dümen","doi":"10.59287/icpis.861","DOIUrl":null,"url":null,"abstract":"– Mutluluk bireyin yaşam kalitesini değerlendirme biçimidir ve ekonomik, sosyal, ulusal, kişisel vecoğrafi etmenlerden etkilenmektedir. Mutluluğu etkileyen bu faktörler makine öğrenmesi yöntemlerindekullanılarak dünya ülkelerinin mutluluğu tahmin edilebilmektedir. Bu çalışmada; makine öğrenmesialgoritmaları kullanılarak dünya ülkelerinin mutluluğu tahmin edilmiştir. Makine öğrenmesiyöntemlerinden SVM, Ensemble, GPR, Tree, Lineer Regression ve Neural Network algoritmalarıkullanılmıştır. Dünya ülkelerinin mutluluğunu tahminlemede en başarılı makine öğrenmesi algoritmasıvarsayılan hiperparametreler kullanıldığında 0.48281 RMSE değeriyle SVM algoritmasıdır. Daha sonrahiperparametre optimizasyonu yapılmıştır. Optimizasyon sonrasında ise en başarılı yöntem 0.45746 RMSEdeğeriyle yine SVM algoritmasıdır.","PeriodicalId":292916,"journal":{"name":"International Conference on Pioneer and Innovative Studies","volume":"65 3","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"International Conference on Pioneer and Innovative Studies","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.59287/icpis.861","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
– Mutluluk bireyin yaşam kalitesini değerlendirme biçimidir ve ekonomik, sosyal, ulusal, kişisel vecoğrafi etmenlerden etkilenmektedir. Mutluluğu etkileyen bu faktörler makine öğrenmesi yöntemlerindekullanılarak dünya ülkelerinin mutluluğu tahmin edilebilmektedir. Bu çalışmada; makine öğrenmesialgoritmaları kullanılarak dünya ülkelerinin mutluluğu tahmin edilmiştir. Makine öğrenmesiyöntemlerinden SVM, Ensemble, GPR, Tree, Lineer Regression ve Neural Network algoritmalarıkullanılmıştır. Dünya ülkelerinin mutluluğunu tahminlemede en başarılı makine öğrenmesi algoritmasıvarsayılan hiperparametreler kullanıldığında 0.48281 RMSE değeriyle SVM algoritmasıdır. Daha sonrahiperparametre optimizasyonu yapılmıştır. Optimizasyon sonrasında ise en başarılı yöntem 0.45746 RMSEdeğeriyle yine SVM algoritmasıdır.