You are here

Home » Content

Veri Madenciliğinde Birliktelik Kuralları ve İkinci El Otomobil Piyasası Üzerine Bir Uygulama

Association Rules in Data Mining and an Application in Second Hand Car Market

Journal Name:

  • Ordu Üniversitesi Sosyal Bilimler Araştırmaları Dergisi

Publication Year:

  • 2017

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Number of road motor vehicles that are handed over are increasing over the years. That makes the detailed examination of second hand car market is a necessity. It is possible to extract useful information about the operating mechanism of second hand car market using new analysis techniques and massive datasets. The purpose of this study is to examine the database which includes data belong to second hand cars by association rules. Association rules are successful at determining which two objects are observed simultaneously in a dataset. For this study, a dataset includes to 21109 second hand cars with 73 variables is scraped from a website in July 2016 and August 2016. In order to apply the apriori algorithm, the dataset must be consisted from Boolean variables. Numerical variables are converted to Boolean type by using their distribution. The association rules that are created with apriori algorithm is visualized with a network graph. At the end of the study rules such as “diesel cars have less fuel consumption, cannot go much faster, have higher torque values; new and expensive cars have higher taxes” are created. The overall results have useful information for those who operate in second hand car market.
Bookmark/Search this post with
Abstract (Original Language): 
İkinci el piyasada devredilen otomobil sayısı her geçen yıl artmaktadır. Bu durum ikinci el araç piyasasının detaylı bir şekilde incelenmesini zorunlu kılmaktadır. Yeni geliştirilen analizler ve yığınla toplanabilen veri setleri yardımıyla ikinci el araç piyasasının işleyiş mekanizmasına ilişkin faydalı bilgiler ortaya çıkabilmektedir. Çalışmanın amacı, ikinci el araçlara ilişkin verilerin bulunduğu bir veri tabanını birliktelik kuralları ile incelemektir. Birliktelik kuralları bir arada gözlenen özelliklerin belirlenmesinde başarıyla kullanılmaktadır. Bu çalışma için, 2016 yılının Temmuz ayında ve Ağustos ayının ilk üç haftasında ikinci el otomobil ilanlarının yer aldığı bir siteden 211109 adet otomobile ait 73 adet değişken web kazıma tekniği ile bir araya getirilmiştir. Birliktelik kurallarının oluşturulabilmesi için veri setinin mantıksal (boolean) değişkenlerden oluşması gerekmektedir. Sayısal değişkenler, dağılımları göz önünde bulundurulmak üzere mantıksal yapıya çevrilmiştir. Çalışmada apriori algoritması ile oluşturulan birliktelik kuralları ağ grafiği yardımı ile görselleştirilmiştir. Çalışma sonunda “dizel araçlar az yakar, fazla hız yapamazlar, torkları yüksektir; yeni ve pahalı araçların vergisi yüksektir” gibi kurallar oluşturulmuştur. Çalışmanın sonuçları ikinci el araç piyasasında işlem yapan taraflar için yol gösterici nitelikte bilgiler içermektedir.
FULL TEXT (PDF): 
PDF icon arastirmax-veri-madenciliginde-birliktelik-kurallari-ikinci-el-otomobil-piyasasi-uzerine-bir-uygulama.pdf
  • 1
45
58
  • Turkish

REFERENCES

References: 

Akçi, Y. (2016). İkinci El Otomobil: Tüketici Bakışıyla. Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 8(22), 329:362.
Asilkan, Ö., Irmak, S. (2009). İkinci El Otomobillerin Gelecekteki Fiyatlarının Yapay Sinir Ağları İle Tahmin Edilmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 375-391.
Ay, D., Çil, İ. (2008). Migros Türk. A.Ş. de Birliktelik Kurallarının Yerleşim Düzeni Planlamada Kullanılması. Endüstri Mühendisliği Dergisi YA/EM 2008 Özel Sayısı, 21(2), 14-29.
Aytaç, M.B., Bilge, H.Ş. (2013). Tele Pazarlama Verilerinin Birliktelik Kurallarıyla ve Crisp-Dm Yöntemiyle Analiz Edilmesi. Aksaray Üniversitesi İİBF Dergisi, 5(2),25-40.
Balakrishnan, R., ve Ranganathan, K. (2012). A Textbook of Graph Theory. New York: Springer Science+Business Media.
Cavique, L. (2007). A Scalable Algorithm for the Market Basket Analysis. Journal of Retailing and Consumer Services, 14, 400-407.
Cherven, K. (2013). Network Graph Analysis and Visualization with Gephi. Birmingham: Packt Puplishing.
Ordu Üniversitesi Sosyal Bilimler Araştırmaları Dergisi, 7 (1), 45-58, Mart 2017
56
Daştan, H. (2016). Türkiye’de İkinci El Otomobil Fiyatlarını Etkileyen Faktörlerin Hedonik Fiyat Modeli İle Belirlenmesi. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(1), 33-327.
Doğan, B., Erol, B., Buldu, A. (2014). Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi için Birliktelik Kurallarının Kullanılması. Marmara Fen Bilimleri Dergisi, 3, 105-114.
Doğrul, G., Akay, D., Kurt, M. (2015). Trafik Kazalarının Birliktelik Kuralları ile Analizi. Gazi Mühendislik Bilimleri Dergisi, 1(2),265-284.
Ecer, F. (2013). Türkiye’de 2. El Otomobil Fiyatlarını Tahmini ve Fiyat Belirleyicilerinin Tespiti. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 13(4),101-112.
Erdem, S., Özdağoğlu, G. (2008). Ege Bölgesi’ndeki Bir Araştırma Ve Uygulama Hastanesinin Acil Hasta Verilerinin Veri Madenciliği İle Analiz Edilmesi. Anadolu Üniversitesi Bilim ve Teknoloji Dergisi, 9(2),261-270.
Erpolat, S. (2012). Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve Fp-Growth Algoritmalarının Karşılaştırılması. Anadolu Üniversitesi Sosyal Bilimler Dergisi,12(1),37-146.
Giudici, P. ve Figin, S. (2009). Applied Data Mining for Business and Industry (2nd ed). West Sussex: John Wiley & Sons Ltd.
Han, J. ve Kamber, M. (2006). Data Mining Concepts and Techniques (2nd ed). San Fransisco: Elsevier.
Hand, D., Mannila, H. ve Smyth, P. (2001). Principles of Data Mining. Cambridge: The MIT Press.
Karabatak, M., İnce, M .C. (2004). Apriori Algoritması İle Öğrenci Başarısı Analizi. Eleco Elektrik-Elektronik ve Bilgisayar Mühendisleri Sempozyumu, Bursa.
Kaur, M., Kang, S. (2016). Market Basket Analysis: Identify The Changing Trends of Market Data Using Association Rule Mining. International Conference on Computational Modeling and Security, Procedia Computer Science, 85, 78-85.
Keleş, A.E., Kaya M. (2014). Duvar İnşa Edilmesinde Verimliliği Etkileyen Faktörlerin Apriori Veri Madenciliği Yöntemi Kullanılarak Analizi. Akademik Bilişim Konferansları, AB2014.
Kurt P, M., Duru, N. (2015). Veri Madenciliği Teknikleri Kullanılarak Ortaokul Öğrencilerinin Sosyal Ağ Kullanım Analizi: Kocaeli İli Örneği. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 3, 508-517.
Olson, D., ve Delen, D. (2008). Advanced Data Mining Techniques. Berlin: Springer.
Özçakır, F.C., Çamurcu, Y. (2007). Birliktelik Kuralı Yönetimi İçin Bir Veri Madenciliği Yazılımı Tasarımı ve Uygulaması. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 6(12), 21-37.
Pande, A., Abdel-Aty, M. (2009). Market Basket Analysis of Crash Data from Large Jurisdictions and Its Potential as a Decision Support Tool. Safety Science, 47, 145-154.
Timor, M., Şimşek, U. T. (2008). Veri Madenciliğinde Sepet Analizi İle Tüketici Davranışı Modellemesi. Yönetim, 19,3-10.
Witten, Ian. H., Frank, E. ve Hall, M.A. (2011). Data Mining Practical Machine Learning Tool and Techniques (3rd ed.). Burlington: Elsevier.

Thank you for copying data from http://www.arastirmax.com