Bildiri · 2024

Mutluluk Haritası: Kümeleme Analizi ve Temel Bileşen Analizi ile Uygulama

X. Uluslararası TURKCESS Eğitim ve Sosyal Bilimler Kongresi

Yazarlar

  1. Nida ORUÇSunan yazarSorumlu yazarİstanbul Topkapı Üniversitesi
  2. Batuhan KOCAOĞLUİstanbul Topkapı Üniversitesi
  3. Fazlı YILDIRIMİstanbul Topkapı Üniversitesi

Öz

Problem Durumu: Bu çalışma, 2023 yılına ait Dünya Mutluluk Raporları veri seti üzerinde yapılmıştır. Veri setinde bulunan 6 değişken seçilerek bir analiz gerçekleştirilmiştir. Seçilen bu değişkenler, korelasyon analizine tabi tutulmuş ve aralarındaki ilişkiler incelenmiştir. Daha sonra, veri seti kümeleme analizi ile işlenmiştir. Bu aşamada, ülkelerin mutluluk seviyelerine göre nasıl kümeleştiği incelenmiştir. Ardından, literatürde yapay zeka başlığı altında sıklıkla kullanılan Temel Bileşen Analizi (TBA) uygulanmıştır. TBA ile değişkenler arasında daha az sayıda faktör elde edilmiş ve tekrar veri seti kümeleme analizine sokulmuştur. Elde edilen sonuçlar yorumlanmıştır. Yapay zeka (AI), insan zekasının insan gibi düşünmeye ve hareket etmeye programlanmış makinelerde simülasyonunu ifade etmektedir. Makine öğrenimi (ML), birçok araştırmada kullanılan en iyi AI teknolojilerinden biridir. Makine öğrenimi yoluyla çözülmesi gereken en önemli dört problem türü; tahmin, kümeleme, sınıflandırma ve boyut azaltmadır. (Akıllı, 2024) Çalışmanın uygulama alanı, seçilen veri seti ve kullanılan yöntemlerin bütünselliği göz önüne alındığında, özgün bir çalışma olduğu düşünülmektedir. Bu süreçte, hem kümeleme analizi hem de temel bileşen analizi kullanılarak elde edilen sonuçların karşılaştırılması, ülkelerin mutluluk seviyelerine göre nasıl gruplandığını anlamamıza yardımcı olmuştur. Ayrıca, temel bileşen analizi ağırlıkları kullanılarak ülkelerin mutluluk seviyelerine göre sıralaması da incelenmiştir. Araştırma Yöntemi: Bu çalışma, 136 gözlem ve 6 değişken üzerinde yoğunlaşmıştır. İlk olarak, K-means kümeleme analizi uygulanarak ülkeler üç farklı mutluluk seviyesini temsil eden kümeler halinde gruplandırılmıştır. Küme sayısını belirlemek için elbow metodu kullanılmıştır. Daha sonra, veri seti temel bileşen analizi ile iki faktöre indirgenmiş ve bu iki boyutlu veri tekrar kümeleme analizine sokulmuştur. Bu aşamada, veri seti yine üç kümeye ayrılmıştır. Elde edilen sonuçlar karşılaştırılarak ve değerlendirilerek, kümeleme analizi sonuçları üzerinde bir değerlendirme yapılmıştır. Ayrıca, temel bileşen analizi ağırlıklandırılması kullanılarak ülkelerin mutluluk seviyelerine göre bir sıralama yapılmıştır. Bu süreç, veri setinin daha derinlemesine analiz edilmesine ve ülkelerin mutluluk seviyelerinin nasıl değiştiğinin daha iyi anlaşılmasına olanak sağlamıştır. Beklenen Sonuçlar: Bu çalışmada, öncelikle veri setini k-means kümeleme algoritmasıyla üç ayrı kümeye ayırdık. Bu kümelerde sırasıyla 73, 21 ve 42 gözlem bulunmaktadır. Ardından, aynı veri setini baştan temel bileşen analizi kullanarak iki faktöre indirdik. Bu yeni veri setini tekrar k-means kümeleme algoritmasıyla üç küme halinde sınıflandırdığımızda, kümelerde sırasıyla 59, 34 ve 43 gözlem bulundu. Bu sonuçlar, boyut azaltmanın veri setini daha az boyutta daha özgül bir şekilde temsil ettiğini göstermektedir. Bu bulgular, k-means kümeleme analizi ve temel bileşen analizinin veri setindeki yapıları daha iyi anlamamıza yardımcı olduğunu göstemektedir. Kaynakça: AKILLI, Y. Z. D. K., & GELIŞTIRILMESI, A. (2024). BÖLÜM 3. Genel Yayın Yönetmeni/Editor in Chief• C. Cansın Selin Temana Kapak & İç Tasarım/Cover & Interior Design• Serüven Yayınevi Birinci Basım/•© Mart 2024 ISBN• 978-625-6319-04-2, 31. Aldenderfer, M. S. and Blashfield R. K. (1984). Cluster Analysis Sage University Papers Series, Quantitative Applications in the Social Sciences. USA, Iowa City: Sage Publications, 7-43. Anderberg, M. (1973). Cluster Analysis for Applications. New York: Academic Press, 7- 139. Dinçer, E. (2006). Veri Madenciliğinde K-means Algoritması ve Tıp Alanında Uygulanması. Kocaeli Universitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Kocaeli. Kalaycı, Ş. (2005). SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri, Ankara: Asil Yayın Dagıtım, 349.

Anahtar kelimeler: Yapay zeka, Makine öğrenmes, Kümeleme analizi, Temel Bileşen Analizi

Kaynak gösterimi

Oruç, N., Kocaoğlu, B. ve Yıldırım, F. (2024). Mutluluk Haritası: Kümeleme Analizi ve Temel Bileşen Analizi ile Uygulama. Bildiri Özet Kitabı içinde. X. Uluslararası TURKCESS Eğitim ve Sosyal Bilimler Kongresi.