meslek yüksekokulu öğrencilerinin başarı durumlarını etkileyen

MESLEK YÜKSEKOKULU ÖĞRENCİLERİNİN
BAŞARI DURUMLARINI ETKİLEYEN FAKTÖRLERİN
VERİ MADENCİLİĞİ KÜMELEME TEKNİKLERİ
KULLANILARAK ANALİZİ:
AĞRI MESLEK YÜKSEKOKULU ÖRNEĞİ
Gaffari ÇELİK
Yüksek Lisans Tezi
Bilgisayar Mühendisliği Ana Bilim Dalı
Yrd. Doç. Dr. Tolga AYDIN
2013
Her hakkı saklıdır
ATATÜRK ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
YÜKSEK LİSANS TEZİ
MESLEK YÜKSEKOKULU ÖĞRENCİLERİNİN BAŞARI
DURUMLARINI ETKİLEYEN FAKTÖRLERİN VERİ
MADENCİLİĞİ KÜMELEME TEKNİKLERİ KULLANILARAK
ANALİZİ: AĞRI MESLEK YÜKSEKOKULU ÖRNEĞİ
Gaffari ÇELİK
BİLGİSAYAR MÜHENDİSLİĞİ ANA BİLİM DALI
ERZURUM
2013
Her Haklı Saklıdır
T.C.
ATATÜRK ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
TEZ ONAY FORMU
MESLEK YÜKSEKOKULU ÖĞRENCİLERİNİN BAŞARI DURUMLARINI
ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ KÜMELEME TEKNİKLERİ
KULLANILARAK ANALİZİ: AĞRI MESLEK YÜKSEKOKULU ÖRNEĞİ
Yrd. Doç. Dr. Tolga AYDIN danışmanlığında, Gaffari ÇELİK tarafından hazırlanan bu
çalışma 09/09/2013 tarihinde aşağıdaki jüri tarafından Bilgisayar Mühendisliği
Anabilim Dalı’nda Yüksek Lisans tezi olarak oybirliği/oy çokluğu (…/…) ile kabul
edilmiştir.
Başkan : Yrd. Doç. Dr. Tolga AYDIN
İmza
:
Üye
: Yrd. Doç. Dr. Deniz DAL
İmza
:
Üye
: Yrd.Doç. Dr. İ. Yücel ÖZBEK
İmza
:
Yukarıdaki sonucu onaylıyorum
Prof. Dr. İhsan EFEOĞLU
Enstitü Müdürü
Not: Bu tezde kullanılan özgün ve başka kaynaklardan yapılan bildirişlerin, çizelge, şekil ve fotoğrafların kaynak
olarak kullanımı, 5846 sayılı Fikir ve Sanat Eserleri Kanunundaki hükümlere tabidir.
ÖZET
Yüksek Lisans Tezi
MESLEK YÜKSEKOKULU ÖĞRENCİLERİNİN BAŞARI DURUMLARINI
ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ KÜMELEME
TEKNİKLERİ KULLANILARAK ANALİZİ: AĞRI MESLEK YÜKSEKOKULU
ÖRNEĞİ
Gaffari ÇELİK
Atatürk Üniversitesi
Fen Bilimleri Enstitüsü
Bilgisayar Mühendisliği Anabilim Dalı
Danışman: Yrd. Doç. Dr. Tolga AYDIN
Veri madenciliği, veri ambarlarında biriken ham veriyi kullanarak önceden bilinmeyen
faydalı bilgilerin çeşitli yöntemlerle elde edilmesini sağlayan bir bilim dalıdır. Veri
madenciliği çok hızlı bir şekilde gelişmekte ve kullanım alanı yaygınlaşmaktadır.
Eğitim alanı da söz konusu kullanım alanlarından birisidir.
Bu çalışmada veri madenciliği ve süreçleri incelenmiş, Ağrı İbrahim Çeçen Üniversitesi
Meslek Yüksekokulunda eğitim gören öğrencilere ilişkin veriler toplanarak, bu verilere
WEKA programı yardımı ile veri madenciliği yöntemlerinden kümeleme algoritmaları
uygulanmıştır. Algoritma çalışma sonuçları incelenerek öğrenci başarılarını etkileyen
faktörler tespit edilmiş ve eldeki veriye en uygun kümeleme algoritmaları belirtilmiştir.
2013, 89 Sayfa
Anahtar Kelimeler: Veri Madenciliği, Veri Madenciliği Süreci, Kümeleme
Algoritmaları, K-Means, DBScan, OPTICS, Meslek Yüksekokulu
i
ABSTRACT
MS Thesis
ANALYSIS OF THE FACTORS AFFECTING THE SUCCESS OF
VOCATIONAL HIGH SCHOOL STUDENTS BY USING THE CLUSTERİNG
TECHNIQUES OF DATA MINING: AĞRI VOCATIONAL HIGH SCHOOL
CASE
Gaffari ÇELİK
Atatürk University
Graduate Schoool of Natural and Applied Sciences
Department of Computer Engineering
Supervisor: Asst. Prof. Dr. Tolga AYDIN
Data mining is a field that aims to obtain previously-unknown, useful knowledge from
raw data at data warehouses by applying several methods. Data mining is developing
very rapidly, and its area of usage is becoming widespread. Educational area is one of
those areas mentioned.
In this study, data mining and its processes were investigated. Data regarding the
students enrolled in the Vocational High School of Ağrı İbrahim Çeçen University was
collected, and the clustering algorithms of data mining were applied to this data by
using WEKA software. The analysis of algorithmic study results helped us to identify
the factors affecting the success of the students, and also helped us to state the clustering
algorithms that best suit to the obtained data.
2013, 89 Pages
Keywords: Data Mining, Data Mining Process, Clustering Algorithms, K-Means,
DBScan, OPTICS, Vocational High School
ii
TEŞEKKÜR
Bu tezin hazırlanmasında desteklerini benden esirgemeyen danışman hocam Sayın Yrd.
Doç. Dr. Tolga AYDIN’a teşekkürü bir borç bilirim.
Yüksek lisans eğitimimde emeği geçen hocalarım Sayın Doç. Dr. A. Samet
HAŞILOĞLU’ na ve Sayın Yrd. Doç. Dr. Deniz DAL’ a teşekkürlerimi sunarım.
Yardımlarından dolayı Ağrı İbrahim Çeçen Üniversitesi Rektörü Sayın Prof. Dr. İrfan
ASLAN’a ve Ağrı Meslek Yüksekokulu Müdürü Sayın Yrd. Doç. Dr. Aydın ZOR’a;
yardımlarını esirgemeyen mesai arkadaşım Sayın Öğr. Gör. M. Mehdi KARAKOÇ’a
teşekkürlerimi sunarım.
Ayrıca çalışmam süresince bana destek olan, maddi ve manevi olarak yanımda olan çok
değerli eşim ve çocuğuma sonsuz teşekkürlerimi sunarım.
Gaffari ÇELİK
Eylül, 2013
iii
İÇİNDEKİLER
ÖZET.................................................................................................................................. i
ABSTRACT ...................................................................................................................... ii
TEŞEKKÜR .....................................................................................................................iii
SİMGELER ve KISALTMALAR DİZİNİ ..................................................................... vii
ŞEKİLLER DİZİNİ.......................................................................................................... ix
ÇİZELGELER DİZİNİ .................................................................................................... xi
1. GİRİŞ ....................................................................................................................... 1
2. KAYNAK ÖZETLERİ .......................................................................................... 3
2.1. Veri Madenciliği Süreci ........................................................................................ 7
2.1.1. Problemin tanımlanması ..................................................................................... 8
2.1.2. Verilerin hazırlanması ........................................................................................ 8
2.1.2.a. Veri toplama .................................................................................................... 9
2.1.2.b. Değer biçme .................................................................................................... 9
2.1.2.c. Veri birleştirme .............................................................................................. 10
2.1.2.d. Veri temizleme .............................................................................................. 10
2.1.2.e. Veri seçimi ..................................................................................................... 11
2.1.2.f. Veri dönüştürme ............................................................................................ 11
2.1.3. Modelleme ........................................................................................................ 13
2.1.3.a. Modelleme tekniğinin seçilmesi .................................................................... 14
2.1.3.b. Test tasarımı .................................................................................................. 14
2.1.3.c. Modelin oluşturulması ................................................................................... 14
2.1.3.d. Modelin değerlendirilmesi ............................................................................ 14
2.1.4. Modelin kullanılması ........................................................................................ 15
2.1.5. Modelin izlenmesi ............................................................................................ 15
2.2. Veri Madenciliği Modelleri ................................................................................. 15
2.2.1. Tahmin edici modeller...................................................................................... 15
2.2.1.a. Sınıflandırma modeli ..................................................................................... 16
2.2.1.b. Regresyon ...................................................................................................... 20
iv
2.2.2. Tanımlayıcı modeller ....................................................................................... 21
2.2.2.a. Kümeleme analizi .......................................................................................... 21
2.2.2.b. Birliktelik kuralları ........................................................................................ 22
2.3. Veri Madenciliği Kümeleme Algoritmaları ........................................................ 23
2.3.1. Uzaklık ölçüleri ................................................................................................ 26
2.3.2. Bölümlemeli yöntemler .................................................................................... 31
2.3.2.a. K-Means algoritması ..................................................................................... 31
2.3.2.b. EM (Expectation Maximization) algoritması ................................................ 34
2.3.2.c. K-Medoids algoritması .................................................................................. 35
2.3.2.d. Clara algoritması ........................................................................................... 36
2.3.2.e. Clarans algoritması ........................................................................................ 37
2.3.3. Hiyerarşik yöntemler ........................................................................................ 38
2.3.3.a. En yakın komşu algoritması .......................................................................... 38
2.3.3.b. En uzak komşu algoritması ........................................................................... 39
2.3.4. Yoğunluk tabanlı yöntemler ............................................................................. 40
2.3.4.a. DBSCAN algoritması .................................................................................... 40
2.3.4.b. OPTICS algoritması ...................................................................................... 43
2.3.4.c. DENCLUE algoritması.................................................................................. 43
2.3.5. Izgara tabanlı yöntemler ................................................................................... 44
2.3.5.a. Sting algoritması ............................................................................................ 44
2.3.5.b. Dalga kümeleme metodu ............................................................................... 45
2.3.5.c. CLIQUE algoritması...................................................................................... 46
3. MATERYAL ve YÖNTEM ................................................................................. 48
3.1. Materyal............................................................................................................... 48
3.1.1. Problemin tanımlanması ................................................................................... 48
3.1.2. Verinin hazırlanması ........................................................................................ 48
3.1.3. Verinin temizlenmesi ....................................................................................... 51
3.1.4. Veri birleştirme ve dönüştürme ........................................................................ 53
3.2. Yöntem ................................................................................................................ 61
4. ARAŞTIRMA BULGULARI ve TARTIŞMA ................................................... 68
5. SONUÇ ................................................................................................................. 81
v
KAYNAKLAR ............................................................................................................... 83
EKLER ............................................................................................................................ 87
EK 1 ............................................................................................................................ 87
EK 2. ........................................................................................................................... 88
EK 3. ........................................................................................................................... 89
ÖZGEÇMİŞ .................................................................................................................... 90
vi
SİMGELER ve KISALTMALAR DİZİNİ
Dağıtım
Hücrelerin nitel dağılımlarındaki dağılım tipi (normal, üstel gibi)
Enb
Hücre içerisindeki nitelik en büyük değeri
Enk
Hücre içerisindeki nitelik en küçük değeri
m
Hücredeki tüm değerlerin toplamı
Max
Bir verinin alabileceği en yüksek değer
Min
Bir verinin alabileceği en düşük değer
MinNs
Minimum nesne sayısı
NoktaSys
Veri setinde bulunan nokta sayısı
ort
Veri tabanındaki ilgili alanın ortalaması
s
Hücrede bulunan sayısal değerlerin standart sapması
Verinin normalize edilmiş hali
Verinin orijinal hali
Veri tabanındaki ilgili alanın standart sapması

Küme yarıçapı
Kısaltmalar
ARFF
Attribute Related Format
CLARA
Clustering Large Applications
CLARANS
Clustering Large Applications Based Upon Randomized Search
CLIQUE
Clustering High-Dimensional Space
DBSCAN
Density-Based Spatial Clustering of Applications with Noise
DENCLUE
Density-based Clustering
EM
Expectation Maximization
KPSS
Kamu Personeli Seçme Sınavı
MSSQLServer-2008 Microsoft SQL Server 2008
OPTICS
Ordering Points To Identify the Clustering Structure
PAM
Partitioning Around Medoids
vii
SQL
Structured Query Language
STING
Statistical Information Grid
T-SQL
Transact SQL
VTBK
Veri Tabanlarında Bilgi Keşfi
WEKA
Waikato Environment for Knowledge Analysis
viii
ŞEKİLLER DİZİNİ
Şekil 2.1. Veri madenciliğinde bilgi keşfi ....................................................................... 4
Şekil 2.2. VTBK süreci aşamaları ................................................................................... 7
Şekil 2.3. Bir kredi kartı kampanyasında yeni bir örneğin sınıflandırılması .................. 18
Şekil 2.4. Kümeleme ...................................................................................................... 23
Şekil 2.5. İki nokta arasındaki uzaklık ........................................................................... 27
Şekil 2.6. K-Means algoritmasına örnek ....................................................................... 33
Şekil 2.7. K-Medoids algoritması ile kümeleme .......................................................... 35
Şekil 2.8. En yakın komşu algoritmasında iki kümenin birbirine olan uzaklığı ............ 39
Şekil 2.9. En uzak komşu algoritmasında iki kümenin birbirine olan uzaklığı ............. 40
Şekil 3.1. Öğrenci bilgilerinin Delphi programı ile MSSQLSERVER-2008 veri
tabanına aktarılmasını sağlayan programın ara yüzü .................................... 49
Şekil 3.2. MSSQLSERVER-2008 ara yüzü, oluşturulan veri tabanı (MYOOgrenci)
ve oluşturulan tablolar ................................................................................... 51
Şekil 3.3. WEKA kullanıcı arayüzü ................................................................................ 62
Şekil 3.4. Verinin Excel2Arf Converter programı yardımı ile ARFF formatına
dönüştürülmesi .............................................................................................. 63
Şekil 3.5. ARFF formatına dönüştürülmüş veri .............................................................. 64
Şekil 3.6. Explorer modülünün kullanıcı arayüzü ......................................................... 65
Şekil 3.7. Niteliklere göre istatistiki bilgiler ................................................................... 67
Şekil 4.1. K-Means algoritmasının WEKA çıktısı ......................................................... 69
Şekil 4.2. Lise türüne göre kayıtların kümelere dağılımı................................................ 71
Şekil 4.3. Doğum yerine göre kayıtların kümelere dağılımı ........................................... 72
Şekil 4.4. Aylık gelire göre kayıtların kümelere dağılımı .............................................. 72
Şekil 4.5. Kaldığı yere göre kayıtların kümelere dağılımı .............................................. 73
Şekil 4.6. Kardeş sayısına göre kayıtların kümelere dağılımı ........................................ 73
Şekil 4.7. Yaşa göre kayıtların kümelere dağılımı.......................................................... 74
Şekil 4.8. Babanın mesleğine göre kayıtların kümelere dağılımı ................................... 75
Şekil 4.9. Cinsiyete göre kayıtların kümelere dağılımı................................................... 75
Şekil 4.10. Sağlık sorununa göre kayıtların kümelere dağılımı ...................................... 76
ix
Şekil 4.11. Annenin çalışma durumuna göre kayıtların kümelere dağılımı ................... 77
Şekil 4.12. Annenin hayatta olma durumuna göre kayıtların kümelere dağılımı ........... 78
Şekil 4.13. Babanın hayatta olma durumuna göre kayıtların kümelere dağılımı............ 78
Şekil 4.14. DBScan algoritmasının WEKA çıktısı ......................................................... 79
Şekil 4.15. OPTICS algoritmasının WEKA çıktısı......................................................... 80
x
ÇİZELGELER DİZİNİ
Çizelge 2.1. Onur ve yüksek onur öğrencileri listesi ...................................................... 17
Çizelge 2.2. Farklı kümeleme tekniklerinin karşılaştırılması ......................................... 25
Çizelge 2.3. Üç özelliğe ait gözlenen değerler ............................................................... 28
Çizelge 2.4. Öklid uzaklığına göre benzerlik matrisi ..................................................... 29
Çizelge 2.5. Manhattan uzaklığına göre benzerlik matrisi ............................................. 30
Çizelge 2.6. Minkowski uzaklığına göre benzerlik matrisi ............................................ 31
Çizelge 3.1. Veri dönüşüm aşamasında bazı niteliklerin aldığı değerler ........................ 61
Çizelge 4.1. K-Means algoritmasının sonucu ve özeti ................................................... 70
xi
1
1. GİRİŞ
Teknolojinin yoğun olarak kullanıldığı günümüzde bilgilerin elektronik ortamlarda
tutulmasıyla birlikte veri ambarlarında çok büyük miktarda veri birikimi meydana
gelmiş, gün geçtikte veri birikimi inanılmaz boyutlara ulaşmıştır. Veri ambarlarında
yığın halinde depolanan veri, veri madenciliği teknikleri ile anlamlı, kullanılabilir
bilgiler haline getirilerek bu bilgi doğrultusunda tahminler yapılması veya çeşitli
kararlar alınması sağlanabilir.
Veri madenciliği ile yapılan uygulamaların olumlu sonuçlar üretmesi iş dünyasında ve
akademik çevrede yoğun bir ilgi görmüş, bu sebeple veri madenciliği ile ilgili çeşitli
algoritmalar üretilmiş, bulunan algoritmalarla ilgili yazılımlar yazılmış, konuya yönelik
en iyi sonucu veren algoritmalar araştırılmış ve yeni teknikler geliştirilmiştir.
Uygulamaya yönelik en iyi sonucu veren algoritmalar araştırılırken akademisyen ve
araştırmacılar tarafından algoritmaların avantajları ve dezavantajları karşılaştırılmış ve
hangisinin daha iyi olduğu kararlaştırılmıştır.
Veri madenciliği teknikleri ile elde edilen sonuçların önceden bilinmemesi bu
tekniklerin diğer yöntemlerden farklılığını ortaya koyar (Silahtaroğlu 2008).
Veri madenciliği bankacılık, sağlık, sigortacılık, tıp, eğitim, pazarlama ve satış alanında,
hedef pazarların tespitinde, müşteri ilişkilerinin yönetiminde, risk analizi ve
dolandırıcılık saptamada, web analizi gibi birçok alanda uygulanmaktadır. Eğitim
alanında, öğrencilerden alınan veriler analiz edilerek öğrencilerin başarılarını etkileyen
faktörler bulunabilir, eğitim kalitesi artırılabilir. Aynı zamanda öğrencinin mezun
olduğu lisans programı ile KPSS (Kamu Personel Seçme Sınavı)’deki başarı
durumunun analizi, bölümlere göre başarının tespit edilmesi, üniversite giriş puanları ile
okul başarısı arasında bir ilişkinin olup olmadığı, mezun olduğu lise türü ile okul
başarısı arasında bir ilişkinin olup olmadığı gibi soruların cevabı bulunabilir.
2
Bu tez çalışmasında ilk önce veri madenciliği ile ilgili gerekli literatür taraması yapılıp
temel kavramlar açıklanmış, uygulamada kullanılan bilgisayar yazılımları ve verinin
toplanması, düzenlenmesi süreci anlatılmıştır. Daha sonra, hazırlanan veri setine WEKA
yazılımı kullanılarak kümeleme algoritmalarından K-Means, DBScan ve OPTICS
algoritmaları uygulanarak elde edilen sonuçlar verilmiştir. Son olarak Meslek
Yüksekokulunda eğitim gören öğrencilerin başarılarını etkileyen faktörler ve veri
setimize hangi kümeleme algoritmalarının uygun olduğu belirtilmiştir.
3
2. KAYNAK ÖZETLERİ
Veri madenciliği önceden bilinmeyen, geçerli ve uygulanabilir bilgilerin çok büyük veri
ambarlarından sağlanması ve bu bilgilerin işletme kararları alınırken kullanılmasıdır
(Silahtaroğlu 2008). Larose (2006)’a göre veri madenciliği, yeni yöntemlerle veriler
arasında gizli ilişkileri ortaya koyan bir bilim dalıdır. Başka bir tanıma göre veri
madenciliği, veri tabanları içerisinde kritik kararlar almak, uygulanabilir ve anlamlı
bilgilerin çıkarılmasına verilen addır. Varılması istenen bilgilerin, daha önceden
bilinmeyen ancak potansiyel olarak kullanışlı, anlamlı ve kritik bilgiler olması gerekir
(Argüden ve Erşahin 2008). Çok büyük veri ambarlarının incelendiği, veriler arasındaki
ilişkileri, eğilimleri ve ilginç örüntüleri keşfetmede kullanılan bir süreçtir (Akın 2008).
Bu süreç Şekil 2.1’de gösterilmiştir.
Veri ambarları, daha sonradan kullanılmak üzere verilerin sorgulanabildiği ve analiz
edildiği depolardır (Şentürk 2006). Veri ambarları elde edilen verinin, eksikleri
giderildikten sonra işletme uygulamasına yönelik olarak dönüştürülmesi, özetlenmesi ve
bir veri tabanına aktarılmasını içerir (Gürsoy 2009).
4
Şekil 2.1. Veri madenciliğinde bilgi keşfi (Baykasoğlu 2005)
Veri madenciliği istatistiksel yöntemler serisi olarak görülse de, istatistikten birkaç
yönden farklılık gösterir. Veri madenciliğinde amaç, kolaylıkla mantıksal kurallara ya
da görsel sunumlara çevrilebilecek nitel modellerin bulunmasıdır (Baykasoğlu 2005).
Veri madenciliğinin amaçları müşteri analizi örneği için aşağıdaki başlıklar altında
verilebilir (Çoban 2006):
Öngörü: Ürünlerin satışları ile ilgili tahminlerde bulunmak.
Tanıma: Bir müşteriyi aldığı ürünlerden tanımak.
5
Sınıflandırma: Birçok parametrenin kullanılarak ürünleri ve müşterileri sınıflandırmak.
En iyileme: Belirli kısıtlamalar çerçevesinde zaman, yer, para veya ham madde gibi
sınırlı kaynakların kullanımı ile üretimi, satış miktarını veya kazancı artırmak.
Veri madenciliği bankacılık, sağlık, sigortacılık, pazarlama ve satış alanında, hedef
pazarların tespitinde, müşteri ilişkilerinin yönetiminde, risk analizi ve dolandırıcılık
saptamada, web analizi gibi birçok alanda uygulanmaktadır. Bu uygulama alanların
bazıları şöyle verilebilir:
Pazarlama: Bu alan incelendiğinde en önemli uygulamaların, farklı müşteri gruplarını
tanımlamak ve bu müşteri gruplarının davranışlarını tahmin etmeye yönelik olarak
yapıldığı görülmektedir (Fayyad et al. 1996). Ayrıca, müşterilerin satın alma
özelliklerinin belirlenmesi, mevcut müşterileri kaybetmeden yeni müşteriler kazanmada,
müşteri ilişkileri yönetiminde ve satış tahmininde bulunmasında, pazar sepeti
analizinde, kampanya ürünleri belirlenmesinde kullanılabilir (Dinçer 2006).
Banka ve Sigortacılık: Bu alanlarda, kredi kartı dolandırıcılıklarının tespitinde, kredi
kartı harcamalarına göre müşteri gruplarının belirlenmesinde, kredi taleplerinin
değerlendirilmesinde, yeni poliçe talep edecek müşterilerin tahmin edilmesinde, sigorta
dolandırıcılıklarının tespitinde, riskli müşterilerin özelliklerinin belirlenmesinde
kullanılabilir (Baykal 2006).
Eğitim: Öğrenci verileri analiz edilerek öğrencilerin başarılarını etkileyen faktörler,
üniversite giriş puanları ile okul başarısı arasında bir ilişkinin olup olmadığı gibi
uygulamalarda kullanılarak eğitim kalitesi arttırılabilir (Akgöbek ve Çakır 2009).
Biyoloji, Tıp ve Genetik: Bitki türleri ıslah edilmesinde, gen haritasının analizinde ve
genetik hastalıkların tespitinde, kanserli hücrelerin tespitinde, yeni virüs türlerinin keşfi
ve sınıflandırılmasında, fizyolojik parametrelerin analizi ve değerlendirilmesinde
kullanılmaktadır.
6
Kimya: Yeni kimyasal moleküllerin keşfi ve sınıflandırılmasında, yeni ilaç türlerinin
keşfinde kullanılmaktadır.
Yüzey Analizi ve Coğrafi Bilgi Sistemleri: Bölgelerin coğrafi özelliklerine göre
sınıflandırılmasında, kentlerde yerleşim yerleri belirlenmesinde, kentlerde suç oranı,
zenginlik-yoksulluk, köken belirleme, kentlere yerleştirilecek posta kutusu belirlemede,
otomatik para makinaları ve otobüs durakları gibi hizmetlerin konumlarının tespitinde
kullanılmaktadır.
Görüntü Tanıma ve Robot Görüş Sistemleri: Çeşitli algılayıcılar aracılığı ile tespit
edilen görüntülerden yola çıkarak yol tanıma, yüz tanıma, parmak izi tanıma gibi
tekniklerde kullanılmaktadır.
Uzay Bilimleri ve Teknolojisi: Gezegen yüzey şekillerinin ve gezegen yerleşimlerinin
belirlenmesinde,
yeni
galaksiler
keşfi
ve
yıldızların
konumlarına
göre
gruplandırılmasında kullanılmaktadır.
Meteoroloji ve Atmosfer Bilimleri: Bölgesel iklim, yağış haritaları oluşturulmasında,
hava tahminleri, ozon tabası deliklerinin tespitinde ve çeşitli okyanus hareketlerinin
belirlenmesinde kullanılmaktadır.
Sosyal Bilimler ve Davranış Bilimleri: Kamuoyu yoklamaları incelenmesinde, seçim
tahminlerinin yapılmasında kullanılmaktadır.
Metin Madenciliği: Çok büyük ve anlamsız metin yığınları arasından anlamlı ilişkiler
belirlemede kullanılmaktadır (Dinçer 2006).
Veri madenciliğinde kullanılan verinin eksik veri içermesi ve verinin konu ile
uyumsuzluğu durumunda sorunlar meydana gelmektedir (Akgöbek ve Çakır 2009).
Aynı zamanda verinin sınırlı bilgi içermesi, gürültü ve eksik değerlere sahip olması,
7
verinin boyutu, verideki güncellemeler ve konu dışı değerler veri madenciliği için
problem teşkil eder (Vahaplar ve İnceoğlu 2001).
2.1. Veri Madenciliği Süreci
Veri madenciliği daha çok, veri tabanlarında bilgi keşfi (VTBK) şeklinde daha geniş
kapsamda incelenmektedir. Veri madenciliği sürecinde, özellikle veri ambarlarında
tutulan çok çeşitli veriler kullanılarak, keşfedilmemiş, anlamlı ve yararlı bilgiler
keşfedilir ve bu bilgiler karar verme işlemlerinde kullanılır (Dondurmacı 2011). VTBK,
veri ambarlarındaki veriye erişerek analiz edilmesi ve sonuçlar üretilmesi üzerine
odaklanmıştır. VTBK süreci, veri ambarı oluşturulması ve bu verilere dayanarak veri
madenciliği işlemlerinin yerine getirilmesi aşamalarından oluşur (Mitra ve Acharya
2003). Bu süreç Şekil 2.2’de ki gibi gösterilmiştir.
Şekil 2.2. VTBK süreci aşamaları (Fayyad et al. 1996)
Veri madenciliği süreci genellikle tekrar eden adımlardan oluşur. Gerek görülmesi
durumunda önceki adımlara dönülüp elde edilen bilgiler ışığı altında dinamik bir akış
sağlanabilir (Babadağ 2006).
8
Şekil 2.2’ye göre VTBK keşfi aşamaları şöyle açıklanabilir (Sever ve Oğuz 2002):
 Veri Seçimi (Data Selection): Bu adımda birkaç veri kümesi birleştirilerek, uygun
örneklem kümesi oluşturulur.
 Veri Temizleme ve Önişleme (Data Cleaning & Preprocessing): Seçilen
örneklemde, hatalı bilginin çıkarıldığı, eksik nitelik değerleri yerine yeni değerlerin
konulduğu adımdır. Bu adım keşfedilecek bilginin kalitesini artırır.
 Veri İndirgeme (Data Reduction): Uygulama için seçilen örneklemden ilgisiz
niteliklerin atıldığı ve tekrarlı verinin ayıklandığı adımdır.
 Veri Madenciliği (Data Mining): Belirli bir veri madenciliği tekniğinin (sınıflama
gibi) işletilme adımıdır.
 Değerlendirme (Evaluation): Keşfedilen bilginin geçerliliğinin, yenilik durumunun,
faydalı olup olmadığının değerlendirilmesi aşamasıdır.
Veri madenciliği süreci daha detaylı bir biçimde ise şöyle tanımlanabilir:
2.1.1. Problemin tanımlanması
İlk adım veri madenciliği çalışmasının hangi amaç için yapılacağının ortaya
konulmasıdır. Cevabı aranan problemin net bir şekilde ifade edilerek sonuçlarının
değerlendirme şartlarının tanımlanmasını yapmaktır (Argüden ve Erşahin 2008). Aynı
zamanda bulunacak sonuçların başarı düzeylerinin nasıl ölçüleceği belirtilmelidir.
Ayrıca yanlış tahmin sonucunda katlanılacak olan maliyetlere ve doğru tahminler
sonucunda kazanılacak faydalara ilişkin tahminler de bu adımda değinilmelidir
(Akpınar 2000).
2.1.2. Verilerin hazırlanması
Verilerin hazırlanması aşamasında veri tabanlarındaki verilerde hatalı değerlerin
onarılmasını ya da düzeltilmesini içeren ön hazırlık işlemleri yapılır (Han ve Kamber
9
2006). Veri madenciliği öncesinde verinin hazırlanması süreci olarak da kabul edilen
bu adımda özellikle veri tabanındaki hatalı değerleri ve veriler arasındaki tutarsızlıkları
kaldırma amaçlanmaktadır (Dondurmacı 2011).
Veri hazırlama aşamasında aşağıdaki durumlara dikkat edilmelidir (Özmen 2003):
 Gereksiz veri alanları varsa silinmelidir.
 Hatalı ölçülen ve/veya hatalı girilmiş veri varsa çıkarılmalıdır.
 Eksik verilerin, sonucu etkileyip etkilemeyeceği kontrol edilmelidir.
 Birbirine eşdeğer veri alanları ayıklanmalıdır.
Verilerin hazırlanması aşaması; toplama, değer biçme, birleştirme ve temizleme, seçme
ve dönüştürme adımlarından meydana gelmektedir (Akpınar 2000).
2.1.2.a. Veri toplama
Belirtilen uygulama için gerekli verilerin ve veri kaynaklarının belirlenmesi aşamasıdır.
Verilerin toplanmasında kuruluşun kendi veri kaynaklarının dışında diğer veri
tabanlarından da faydalanılabilir (Akpınar 2000).
2.1.2.b. Değer biçme
Tanımlanan problem için kullanılacak verinin farklı kaynaklardan toplanması, veri
uyumsuzluklarına neden olabilir. Bu uyumsuzluklar, farklı veri tabanlarındaki kodlama
farklılıkları (örneğin bir veri tabanında cinsiyet özelliğinin E/K, diğer bir veri tabanında
0/1 olarak girilmesi), verinin farklı zamanlara ait olması ve farklı ölçü birimlerinin
kullanılmasından kaynaklanabilir. Toplanan verilerden iyi sonuç alabilmek için,
toplanan
verilerin
ne
ölçüde
değerlendirilmelidir (Akpınar 2000).
uyumlu
oldukları
bu
aşamada
incelenerek
10
2.1.2.c. Veri birleştirme
Veri madenciliğinde sıklıkla farklı veri tabanlarındaki verilerin tek bir veri tabanında
(genellikle bir veri ambarında) birleştirilmesi gerekebilir. Fakat böyle bir durumda alan
isimlerinin ve/veya türlerinin farklılığından kaynaklı hatalar meydana gelebilmektedir.
Bu hatalara şema birleştirme hataları (schema integration errors) denir. Örneğin, bir veri
tabanında müşteri numarası için “müşteri_no” tanımlanmışken, diğer veri tabanında
“müşteri_numarasi” şeklinde tanımlanmış olabilir. Böyle hatalardan kaçınmak için
verilerin tutulduğu tablolara ait bilgileri içeren bir meta veriye ihtiyaç duyulmaktadır.
Veri birleştirmede önemli bir konu da indirgemedir. Birleştirme işleminden sonra, elde
edilen veri kümesinde fazlalıklara sebep olabilecek, aynı anlam veya işleve sahip ya da
aralarındaki korelasyonun yüksek olduğu alanlardan biri çıkarılabilir (Oğuzlar 2003).
2.1.2.d. Veri temizleme
Veri temizleme, eksik verilerin tamamlanması, hatalı ve aykırı değerlerin teşhis
edilmesi amacıyla gürültünün düzeltilmesi, verilerdeki tutarsızlıkların giderilmesi gibi
işlemlerin yapıldığı aşamadır (Oğuzlar 2003). Bu aşamada gürültülü ve tutarsız veriler
çıkarılarak verinin kalitesi arttırılır ve yanlış girişten veya istisnalardan kaynaklanan
veriler, değerlendirmeden alıkonulabilir. Verileri temizlemek sadece veriyi çıkarmak
değildir. Bazı durumlarda eksik veriyi tamamlamak için modellemeler de yapılmalıdır
(Argüden ve Erşahin 2008). Roiger et al. (2003)’a göre herhangi bir değişkene ilişkin
eksik değerlerin doldurulması için farklı metotlar vardır. Bunlar (Oğuzlar 2003):
 Eksik veri içeren kayıtlar çıkarılabilir.
 Değişkenin ortalaması, eksik değerlerin yerine kullanılabilir.
 Eksik veri içeren değişkenler, var olan verilere göre en uygun değer ile
doldurulabilir.
11
2.1.2.e. Veri seçimi
Veri seçim aşamasında kurulacak modele bağlı olarak veri seçimi yapılır. Örneğin
tahmin edici bir model için, bu adım bağımlı ve bağımsız değişkenlerin ve modelin
eğitiminde kullanılacak veri kümesinin seçilmesi anlamına gelmektedir. Sıra numarası,
kimlik numarası gibi anlamlı olmayan ve diğer değişkenlerin modeldeki ağırlığının
azalmasına da neden olabilecek değişkenlerin modele girmemesi gerekir. Bazı veri
madenciliği algoritmaları konu ile ilgisi olmayan bu tip değişkenleri otomatik olarak
elese de, pratikte bu işlemin kullanılan yazılıma bırakılmaması daha yararlı olacaktır.
Verilerin görselleştirilmesine olanak sağlayan grafik araçlar ve bunların sunduğu
ilişkiler, bağımsız değişkenlerin seçilmesinde önemli faydalar sağlayabilir. Genellikle
yanlış veri girişinden veya bir kereye mahsus bir olayın gerçekleşmesinden kaynaklanan
verilerin, önemli bir uyarıcı enformasyon içerip içermediği kontrol edildikten sonra veri
kümesinden çıkarılması tercih edilir. Modelde kullanılan veri tabanının çok büyük
olması durumunda tesadüfleri bozmayacak şekilde örnekleme yapılması uygun olabilir
(Akpınar 2000).
2.1.2.f. Veri dönüştürme
Veri dönüştürme işlemi, verilerin seçilen veri madenciliği modeli için uygun formlara
dönüştürülmesi aşamasıdır (Zaïane 1999). Bu aşamada, toplanan veriler, işlenmek için
uygun formlara dönüştürülür (Han and Kamber 2006). Veri madenciliği çalışmasında
kullanılacak model, teknik ve algoritmalar bazı veri türleriyle çalıştığı halde bazı veri
türleri ile çalışmayabilir. Bazı algoritmalar sayısal değerlerle çalışırken bazıları 0 ve
1’lerden oluşan değerlerle, bazıları ise kategorik değerlerle çalışabilir. Bu durumda
toplanan veriler çalışılacak algoritmaya göre uygun formata dönüştürülmelidir
(Silahtaroğlu 2008). Örneğin bir uygulamada yapay sinir ağı algoritması kullanılıyorsa
kategorik değişken değerlerinin evet/hayır olması; karar ağacı algoritması kullanılıyorsa
değişken değerlerinin yüksek/orta/düşük gibi gruplanmış olması modelin verimliliğini
artıracaktır (Akpınar 2000).
12
Veri dönüştürme aşamasında normalizasyon tekniği kullanılır. Eldeki verilerin 0-1
aralığına indirilmesi işlemine normalizasyon denir (Han and Kamber 2006). Verilerin
normalize edilmesi, birden fazla nesneye ait veriyi orta bir yol bularak, bir tabloda
saklanabilir hale geliştirilmesi işlemidir (Gözüdeli 2012). Normalleştirme; yapay sinir
ağları, kümeleme ve sınıflandırma gibi uzaklık ölçümleri içeren algoritmalar için
özellikle yararlıdır. Normalizasyon işlemi için çeşitli yöntemler vardır; min-max
normalizasyonu, sıfır-ortalama normalizasyonu ve ondalık normalizasyonu bu
yöntemlerden bazılarıdır (Han and Kamber 2006).
Min-max normalizasyon yöntemi, verileri doğrusal olarak normalize eder. Min bir
verinin alabileceği en düşük değer iken, max verinin alabileceği en yüksek değeri ifade
eder. Bir veriyi 0–1 aralığına indirgemek için min-max yöntemi aşağıdaki formülü
kullanır.
Burada
verinin normalize edilmiş halini,
ise orijinal halini göstermektedir. Örneğin
en yüksek değer 89, en düşük değerin 18 olduğu yaş verileri normalize edildiğinde 37
değeri;
olacaktır.
Eğer normalizasyon aralığı 0-1’den farklı bir aralık ise, bu durumda formül:
(
)
13
37 değerini 1-5 aralığında yukarıdaki formüle göre normalize edecek olursak, yeni
değer:
(
)
Sıfır-ortalama yönteminde ise ortalama ve standart sapma değeri kullanılır.
Burada ort veri tabanındaki ilgili alanın ortalamasını,
ise o alanın standart sapmasını
ifade etmektedir. Yukarıdaki 37 yaş örneği için ort=48.96 ve
kabul edilirse,
37 sayısının normalize edilmiş değeri:
olacaktır.
Normalizasyon dışında verilerin boyutunun indirgenmesi de gerekebilir. Boyutun
indirgenmesi değişken sayısının azaltılmasıdır. Gereksiz yere tutulan bir değişkenin
değerlendirmeden çıkarılması indirgeme işlemine örnek olarak verilebilecek olsa da
indirgeme işlemi daha çok birden fazla değişkenin birleştirilerek tek bir değişken ile
ifade edilmesi şeklindedir (Silahtaroğlu 2008).
2.1.3. Modelleme
Modelleme aşamasında verilerden bilgi çekmek için ileri çözümleme yöntemleri
kullanıldığından veri madenciliği sürecinin en önemli aşamasıdır. Bu aşama uygun
modelleme tekniğinin seçimi, model geliştirme ve tahmin işlemlerini içermektedir. Veri
madenciliği uygulamaya göre farklı yöntemler içerebilir. Bazı yöntemler, her veri tipi
için uygun olmayabilir ve özel tanımlamalar gerektirebilir. Bu nedenle veri tipi
14
dönüşümü gerekli olduğunda veri hazırlama aşamasına geri dönülür (Albayrak ve
Yılmaz 2009).
2.1.3.a. Modelleme tekniğinin seçilmesi
Modellemenin birinci aşaması, kullanılacak olan modelleme tekniğinin seçilmesidir
(Chapman et al. 2000). Modelleme teknikleri tahmin edici (Predictive) ve tanımlayıcı
(Descriptive) modeller olarak iki başlık altında incelenmektedir. Sınıflama ve regresyon
modelleri tahmin edici; birliktelik kuralları ve kümeleme modelleri ise tanımlayıcı
modellerdir. Modelleme teknikleri “Veri Madenciliği Modelleri” bölümünde daha
detaylı bir şekilde değinilmiştir.
2.1.3.b. Test tasarımı
Modelin yapılandırılmasından önce, kalite ve geçerliliğini test etmek amacıyla bir
yordam veya mekanizmanın oluşturulması gerekmektedir (Chapman et al. 2000).
Modelde yanlış olarak sınıflanan olay sayısının, tüm olay sayısına bölünmesi ile hata
oranı, doğru olarak sınıflanan olay sayısının tüm olay sayısına bölünmesi ile ise
doğruluk oranı bulunur (Argüden ve Erşahin 2008).
2.1.3.c. Modelin oluşturulması
Hazırlanan veri seti üzerinde bir veya daha fazla model üretmek üzere modelleme
aracının çalıştırılması aşamasına model oluşturma denir (Chapman et al. 2000).
2.1.3.d. Modelin değerlendirilmesi
Modelin değerlendirilmesi; başarı kriterlerine, edinilmiş tecrübelere ve test sonuçlarına
göre modelin değerlendirilmesi aşamasıdır. Amaç, tüm projenin değerlendirilmesinden
çok modelin teknik yönden değerlendirilmesidir (Argüden ve Erşahin 2008).
15
2.1.4. Modelin kullanılması
Kurulan ve geçerliliği kabul edilen model doğrudan bir uygulama olabileceği gibi, bir
başka uygulamanın parçası olarak da kullanılabilir. Kurulan modeller; risk analizi, kredi
değerlendirme,
dolandırıcılık
tespiti
gibi
işletme
uygulamalarında
doğrudan
kullanılabilir. Aynı zamanda promosyon planlaması simülasyonuna gömülebilir veya
tahmin edilen envanter düzeyleri yeniden sipariş noktasının altına düştüğünde, otomatik
olarak sipariş verilmesini sağlayacak bir uygulamanın içine entegre edilebilir (Akpınar
2000).
2.1.5. Modelin izlenmesi
Zaman içerisinde bütün sistemlerin özelliklerinde ve dolayısıyla ürettikleri verilerde
meydana gelecek değişiklikler, kurulan modellerin sürekli olarak izlenmesini ve
yeniden düzenlenmesini gerektirebilir. Tahmin edilen ve gözlenen değişkenler
arasındaki farklılığı gösteren grafikler, model sonuçlarının izlenmesinde kullanılan
yararlı bir yöntemdir (Akpınar 2000).
2.2. Veri Madenciliği Modelleri
Veri madenciliğinde kullanılan modeller, tahmin edici (Predictive) ve tanımlayıcı
(Descriptive) modeller olarak iki başlık altında incelenmektedir. Sınıflama ve regresyon
modelleri tahmin edici; birliktelik kuralları ve kümeleme modelleri ise tanımlayıcı
modellerdir.
2.2.1. Tahmin edici modeller
Tahmin modellerinde, sonuçları bilinen verilerden hareket edilerek bir model
geliştirilmesi ve oluşan modellerin yardımıyla bilinmeyen bir değerin önceden tahmin
edilmesi amaçlanır. Ya da değişkenler arasında etkileşim olup olmadığı; varsa nasıl ve
16
hangi seviyede bir etkileşim olduğu belirlenmeye çalışılır (Babadağ 2006). Örneğin bir
bankanın önceki dönemlerde vermiş olduğu kredilere ilişkin verilerden kurulan model,
daha sonraki kredi taleplerinde müşteri özelliklerine göre verilecek olan kredinin geri
ödenip ödenmeyeceğinin tahmininde kullanılabilmektedir (Özekes 2003).
2.2.1.a. Sınıflandırma modeli
Sınıflandırma modeli, temel olarak, veri tabanındaki gizli örüntülerin ortaya çıkarılması
yani verinin ortak özelliklerine göre ayrıştırılması için kullanılan modeldir (Tapkan,
Özbakır ve Baykasoğlu 2011). Sınıflanma modeli iki aşamadan oluşur. İlk aşamada
gözlemlenmiş verilerden sınıflandırma algoritması kullanılarak sınıflandırma kuralları
oluşturulur. İkinci aşamada ise bu kurallar kullanılarak veriler sınıflandırılır (Kaya vd
2001). Böylece bütün kayıtlar birer sınıfa atanmış olur.
Bu modeldeki uygulama alanlarına örnek olarak potansiyel müşteriler için düzenlenen
kampanyalara dönüşler, mevcut müşterilerin belirli bir hizmeti almaktan vazgeçme
olasılıkları, kredi başvurularının risk seviyeleri, çeşitli belirtilere göre hastalık
ihtimallerin tespiti vb. uygulamalar verilebilir (Argüden ve Erşahin 2008). Örnek olarak
Çizelge 2.1’de her bir öğrencinin onur, yüksek onur veya ödülsüz (N/A) durumları
verilmiştir. Bu tabloda öğrencilerin hangi kriterler dahilinde onur ve yüksek onur
ödüllerini aldıkları da gizlidir. İşte sınıflandırma algoritmaları, bu gizli kalmış kuralları
ortaya çıkararak, veri tabanında kaydı bulunmayan, ancak verileri sonradan girilen bir
öğrencinin onur veya yüksek onur öğrencisi olup olmadığına karar verir (Silahtaroğlu
2008).
17
Çizelge 2.1. Onur ve yüksek onur öğrencileri listesi (Silahtaroğlu 2008)
Öğrenci
Adı
1.
2.
3.
Spor
Disiplin
Ödül
Durumu
Yıl Ort.
Yıl Ort.
Yıl Ort.
Durumu
Aysel …
2.5
3.5
2.8
***
*****
Onur
Sevim …
2.8
3.9
2.9
****
*****
Yüksek
Onur
.
.
.
Ayhan …
3.2
2.4
3.0
**
*****
Onur
Can …
4.0
3.5
2.6
**
****
N/A
Sınıflandırma modellerinde kullanılan başlıca teknikler:
 Karar Ağaçları
 Yapay Sinir Ağları
 İstatistiğe Dayalı Algoritmalar
 Mesafeye Dayalı Algoritmalar
18
Karar ağaçları
Karar ağaçları ile sınıflandırma temel olarak bir karar ağacının oluşturulması, veri
tabanındaki her kaydın bu ağaca uygulanması ve çıkan sonuca göre kaydın
sınıflandırılması adımlarından oluşur. Diğer yöntemlerle karşılaştırıldığında karar
ağaçlarının oluşturulması ve anlaşılması daha kolaydır. Karar ağacı oluşturulurken
kullanılan algoritmaya göre ağacın şekli değişmekte ve değişik ağaç yapıları farklı
sınıflandırma sonuçları verebilmektedir. Karar ağaçlarına bağlı olarak geliştirilen birçok
algoritma vardır ve bu algoritmalar kök, düğüm ve dallanma kriteri seçimlerinde
izledikleri yol açısından farklılık gösterirler (Tapkan, Özbakır ve Baykasoğlu 2011).
Örneğin, bir veri seti incelenerek müşterilerin kredi durumunu tahmin edecek bir karar
ağacı modeli oluşturulabilir. Bu modele ait bir sınıflama kuralı aşağıda verilmiştir:
IF yas = "41...50" AND gelir = yüksek THEN kredidurumu = mükemmel
Bu kural kullanılarak yaşı 41 ile 50 arasında olan ve gelir düzeyi yüksek bir kişinin
kredi geri ödemesinde problem yaratmayacağı sonucu elde edilebilir. Oluşturulan bu
modelin doğruluğu, test verileri aracılığı ile onaylandıktan sonra model, sınıfı belli
olmayan yeni bir veriye uygulanabilir ve yeni verinin sınıfı belirlenebilir (Özekes 2003).
Şekil 2.3. Bir kredi kartı kampanyasında yeni bir örneğin sınıflandırılması (Çankırı
vd 2011)
19
Bir kredi kartı kampanyasına hangi özellikteki müşterilerin yanıt verip vermeyeceğini
karar ağacı modeli kullanarak bulmaya çalışan yukarıdaki örneği incelediğimizde
yüksek geliri olan X adındaki bayanın kampanyaya yanıt vermediği görülebilir. Bu
durumda aşağıdaki sınıflama kuralı verilebilir (Çankırı vd 2011):
IF Gelir=Yüksek AND Cinsiyet=Bayan THEN Kampanya=Yanıtlamaz
En yaygın kullanılan karar ağaçları algoritmaları şunlardır:
 ID3
 C4.5 ve C5
 CART
 SLIQ
 SPRINT
Yapay sinir ağları
Yapay sinir ağları ile sınıflandırmanın işleyiş yapısı, çıktı katmanına ulaşabilmek için
ağırlıkların hesaplanmasına dayanır. Eğitim veri kümesi üzerinde hesaplanan ağırlıklar,
test veri kümesi üzerinde kullanılarak öğrenmenin ne kadar gerçekleştiği belirlenir. Elde
edilen ağırlıkların etkinliği doğrulanamazsa ağırlıklar üzerinde düzeltme ve yeniden
hesaplama işlemleri yapılır. Öğrenme süreci bittiğinde ağırlıklar yardımıyla yeni bir
verinin hangi sınıfa ait olduğu belirlenebilir. Yapay sinir ağlarında öğrenme süreci uzun
sürse de oldukça duyarlı sınıflandırmalar yapılabilmektedir (Tapkan vd 2011).
İstatistiğe dayalı algoritmalar
İstatistiğe dayalı algoritmalar, verilerin daha önceden belirtilen sınıflara göre ayrılması,
gelecekte varılacak sonuçların tahmin edilmesidir. Regresyon, lojistik regresyon, zaman
20
serileri analizi ve Bayes yaklaşımı gibi istatiksel yöntemler kullanılarak bu
sınıflandırma işlemi gerçekleştirilebilir (Silahtaroğlu 2008).
Mesafeye dayalı algoritmalar
Verilerin birbirlerine olan uzaklıkları ve benzerliklerine dayalı bu tür algoritmaların en
yaygın kullanılanı k-en yakın komşu algoritmasıdır. Bu algoritmanın amacı, sınıfları
belli olan bir örnek kümedeki gözlem değerlerini kullanarak yeni gözlemlerin hangi
sınıfa ait olduğunu tespit etmektir. Örnek kümedeki gözlemlerin her birinin, sonradan
belirlenen bir gözlem değerine olan uzaklıklarının hesaplanması ve en küçük uzaklığa
sahip k sayıda gözlemin seçilmesi esasına dayanan algoritmalardır (Tapkan vd 2011).
2.2.1.b. Regresyon
Süreklilik gösteren değerleri tahmin etmek için kullanılan modeldir. Amaç girdiler ile
çıktıyı ilişkilendirecek modeli oluşturup, en iyi tahmine ulaşmaktır. Sonuç değeri,
“bağımlı değişken”; girdiler ise “bağımsız değişken” olarak tanımlanır. Sonucun alacağı
değer genellikle bir güvenlik aralığı içinde belirtilir. Girdiler, çözülecek probleme göre
bir veya birden fazla olabilir.
Örnek olarak; bir inşaat firması konut satışlarının, faaliyet gösterdiği bölgede elde
edilen toplam gelir ile ilişkili olduğunu düşünüyorsa, sadece bölgesel gelire dayalı bir
model oluşturarak, bölgesel gelirdeki değişime göre satacağı ev sayısını tahmin edebilir.
Finansal tahminler, zaman serisi tahminleri, biyomedikal ve ilaç reaksiyonları, konut
fiyatı değerlendirmeleri, müşterinin
yaşam
çevrimi boyunca yarattığı değer,
atmosferdeki CO2 oranı tahmini gibi alanlarda uygulanabilir (Argüden ve Erşahin
2008).
21
2.2.2. Tanımlayıcı modeller
Tanımlayıcı modellerde amaç, karar vermeye yardımcı olacak mevcut veri setindeki
örüntüleri bulmaktır (Kavurkacı vd 2011).
Tanımlayıcı modellerin amacı belirli bir hedefi tahmin etmek değil veri setinde yer alan
veriler arasındaki ilişkileri, bağlantıları ve davranışları bulmaktır. Var olan verileri
yorumlayarak davranış biçimleri ile ilgili tespitler yapmayı ve bu davranış biçimini
gösteren alt veri setlerinin özelliklerini tanımlamayı amaçlar (Argüden ve Erşahin
2008). Geliri [X-Z] aralığında ve iki veya daha fazla arabası olan çocuklu aileler ile
çocuğu olmayan ve geliri [X-Y] aralığından düşük olan ailelerin satın alma
eğilimlerinin birbirlerine benzerlik gösterdiğinin belirlenmesi örnek verilebilir (Akpınar
2000). Aynı zamanda 25 yaş altı bekâr kişiler ile 25 yaş üstü evli kişiler üzerinde
yapılan ve ödeme performanslarını gösteren bir analiz, tanımlayıcı modellere örnek
olarak verilebilir (Çankırı vd 2011).
2.2.2.a. Kümeleme analizi
Kendi içinde benzer özellik taşıyan; fakat diğer gruplardakine benzemeyen nesneler
içeren her gruba küme adı verilir. Kümeleme, veri nesnelerinin gruplara ayrılması
işlemidir. Kümeleme analizi, veri setinin içinde bulunan anlamlı veya kullanışlı grupları
bulma sürecidir. (Işık ve Çamurcu 2008).
Büyük miktardaki veri niceliklerinin
analizindeki ortak ihtiyaç; nesneler gruplandırılırken nesnelerin özelliklerinin küme
içindeki benzerliğin yüksek, diğer kümelerle olan benzerliğinin ise düşük olmasıdır
(Giannotti and Pedreschi 2008).
İnsanoğlu için beş ya da altı niteliğe sahip bir nesneler topluluğunu, niteliklerdeki
benzerliklere bakarak gruplamak mümkünken bu sayının çok daha fazla olması
durumunda gruplamak olanaksız hale gelmektedir. Bu noktada tanımlayıcı bir veri
madenciliği yöntemi olan kümeleme yöntemiyle veri çeşitli tekniklerle önceden sayısı
bilinmeyen kümelere ayrılabilmektedir (Bozkır vd 2009).
22
Kümeleme algoritmaları ile sınıflandırma algoritmaları arasındaki en önemli fark,
kümelemenin
önceden
tanımlanmış
girdilere
dayanmamasıdır.
Sınıflandırma
algoritmalarında tanımlı girdiler ve bunların geçmişte aldıkları değerler temel modeli
oluştururken, kümeleme algoritmalarında önceden tanımlanmış girdiler ve örnekler
yoktur. Veriler kendi içlerindeki benzer özelliklere göre gruplanırlar. Benzerliği
tanımlayacak değerler ve özellikler modeli kuran tarafından öngörülür (Argüden ve
Erşahin 2008).
2.2.2.b. Birliktelik kuralları
Birliktelik kuralları olayların birlikte gerçekleşme durumlarını inceleyen bir yöntemdir.
Bu yöntem ile müşterilerin satın alma eğilimleri belirlenebilir. Teorik olarak, kullanıcı
tarafından belirlenen en küçük destek ve en küçük güven seviyelerinin üstünde destek
ve güven seviyesine sahip kuralların belirlenmesidir (Tapkan vd 2011).
Bir müşterinin yaptığı tüm alışverişlerdeki ürünler arasındaki ilişkiler bulunarak satın
alma alışkanlıkları tespit edilebilir. Market yöneticileri bu bilgiler doğrultusunda etkin
satış stratejileri geliştirebilir(Kavurkacı vd 2011).
Birliktelik kuralları, eş zamanlı olarak gerçekleşen ilişkilerin tanımlanmasında
kullanılır. Örnek olarak:
 Müşteriler bira satın aldığında, %75 olasılıkla patates cipsi de alırlar,
 Düşük yağlı peynir ve yağsız yoğurt alan müşteriler, %85 olasılıkla diyet süt de satın
alırlar.
Aynı zamanda birbirleri ile ilişkisi olan ancak birbirini izleyen dönemlerde gerçekleşen
ilişkilerin tanımlanmasında da kullanılır. Örnek olarak:
 X ameliyatı yapıldığında, 15 gün içinde %45 olasılıkla Y enfeksiyonu oluşacaktır,
23
 İMKB endeksi düşerken A hisse senedinin değeri %15’den daha fazla artacak olursa,
üç iş günü içerisinde B hisse senedinin değeri %60 olasılıkla artacaktır,
 Çekiç satın alan bir müşteri, ilk üç ay içerisinde %15, bu dönemi izleyen üç ay
içerisinde %10 olasılıkla çivi satın alacaktır (Çankırı vd 2011).
Yaygın olarak kullanılan birliktelik kuralları algoritmaları şunlardır:
 AIS
 SETM
 Apriori
 AprioriTid
 Apriori-Hybrid
 OCD
2.3. Veri Madenciliği Kümeleme Algoritmaları
Kümeleme analizi, Şekil 2.4’de görüldüğü gibi bir veri setindeki verileri benzer
özelliklerine göre kümelere bölme işlemidir. Küme elemanlarının kendi kümesindeki
elemanlarla benzerliğinin fazla, diğer kümedeki elemanlarla benzerliğinin az olması
amaçlanır.
Şekil 2.4. Kümeleme (Akpınar 2000)
24
Kümeleme analizi, veri tabanlarındaki verileri gruplayarak, benzer özelliklere sahip
nesnelerin bir araya gelmesini sağlayan bir veri madenciliği yöntemidir (Yılmaz ve Patır
2011). Kümeleme analizi için algoritmalar iki başlık altında toplanmıştır. Bunlardan
ilki, hiyerarşik kümeleme teknikleri, diğeri ise hiyerarşik olmayan kümeleme
teknikleridir. Her iki teknikte de amaç kümeler arasındaki farklılıkları ve kümeler içi
benzerlikleri en yüksek seviyeye çıkarmaktır. Yani, küme içi homojenlik arttırılırken
kümeler arası homojenlik ise azaltılmaktadır. Hangi tekniğin kullanılacağı küme
sayısına bağlı olmakla birlikte her iki tekniğin beraber kullanılması çok daha yararlıdır.
Böylece hem sonuçları hem de iki teknikten hangisinin daha uygun sonuçlar verdiğini
karşılaştırmak mümkün olacaktır (Akın 2008).
tekniklerinin karşılaştırılması verilmiştir.
.
Çizelge 2.2’de farklı kümeleme
25
Çizelge 2.2. Farklı kümeleme tekniklerinin karşılaştırılması (Kuo et al. 2002)
Kümeleme Yöntemi
Yapay
Sinir
Avantajları
Dezavantajları
Ağları - Büyük hacimli veriler
(Örn: Kohonen Ağları)
Hiyerarşik Yöntemler
- Eğitim parametrelerinin
üzerinde çalışabilme
ayarlanmasının zor olması
- Küme sayısını
-
belirleyebilmesi
farklı sonuçlar vermesi
- Küme sayısını
- Büyük hacimli veriler
belirleyebilmesi
üzerinde çalışma zorluğu
Farklı parametrelerin
(Örn: Ward’ın
Minimum Varyans
Yöntemi)
Hiyerarşik Olmayan
- Başlangıç noktası ve küme - Başlangıç noktasının ve
sayısı verildiğinde daha iyi küme
Yöntemler
(Örn:
K-
sonuçlar alınabilmekte
sayısının
rastgele
olarak seçilmesi.
Means Yöntemi)
-
Büyük
hacimli
veriler
üzerinde çalışabilmekte
Kümeleme analizinin kullanıldığı alanlar şu şekilde sıralanabilir:
Pazarlama: Kümeleme analizi, müşterilerin satın alma özelliklerine göre kümelere
ayrılmasını sağlar.
Biyoloji: Bitki ve hayvan gruplarından benzer özellik gösteren genlerin kategorize
edilmesinde kullanılmaktadır.
26
Coğrafya: Konumsal verilerden yararlanarak bölgeler arasındaki benzerliklere göre,
buralara götürülecek mal ve hizmetler için ideal yerler belirlemede kullanılır.
İnternet: Web üzerindeki belgelerin gruplandırılmasında kullanılmaktadır.
Şehir Planlaması: Konumlarına, özelliklerine göre binaların gruplandırılmasında
kullanılmaktadır.
Deprem Araştırmaları: Sürekli fay hatları belirlenerek deprem merkezlerinin gruplara
ayrılmasında kullanılmaktadır. Önceden elde edilmiş kümeler üzerinde sınıflama yapma
ve kategorize etme gibi işlemler yapan diğer algoritmalar için bir ön işlem adımını
sağlar (Erdoğan 2004).
Kümeleme işleminde izlenecek adımlar şunlardır (Durmuş ve İplikçi 2007):
 Örneklerin sunulması
 Örneklerin uzaklık ölçümlerinin veri tabanına uygun olarak tanımlanması
 Kümeleme veya gruplama
 Veri ayıklama (gerekli olduğu durumlarda yapılmaktadır)
2.3.1. Uzaklık ölçüleri
Kümeleme algoritmalarında kullanılan uzaklık ölçülerinden en yaygın kullanılan üç
tanesi aşağıda verilmiştir (Özkan 2013):
Öklid Uzaklığı: Uygulamalarda en çok kullanılan uzaklık ölçüsüdür. Bu uzaklık
Şekil 2.5’de görüldüğü gibi Pisagor teoreminin bir uygulamasıdır.
27
Şekil 2.5. İki nokta arasındaki uzaklık (Özkan 2013)
A ve B noktaları arasındaki Öklid uzaklığı şu şekilde bulunur:
)
d (A,B)=√(
P boyutlu
d(
(
)
için Öklid uzaklığı:
ve
(
)=√∑
)
şeklinde bulunur.
Manhattan Uzaklığı: Bu uzaklık ölçüsü, noktalar (nesneler) arasındaki mutlak uzaklık
toplamı alınarak hesaplanır.
P boyutlu
d(
)= ∑
için Manhattan uzaklığı:
ve
(
)
28
Minkowski Uzaklığı: Minkowski uzaklığı şu şekilde bulunur.
d(
)= [∑
(
) ]
: veri kümesindeki özellik sayısı
Örnek: Ö1, Ö2 ve Ö3 gibi üç özellikten oluşan aşağıdaki gözlemler göz önüne alarak
bu gözlem noktalarının her birinin birbirine olan uzaklığını Öklid, Manhattan,
Minkowski uzaklık yöntemleri ile hesaplayalım.
Çizelge 2.3. Üç özelliğe ait gözlenen değerler
Öklid Uzaklığı:
oluşmaktadır.
Gözlem
Ö1
Ö2
Ö3
1
2
3
1
2
4
1
3
3
5
7
3
4
4
8
2
5
3
9
5
Örneğimiz 5 gözlemden, her bir gözlemimiz 3 özellikten
numaralı gözlem noktaları arasındaki uzaklık şu şekilde
ve
bulunur:
d(
)= √(
)
(
)
(
)
Üçüncü gözlem ile birinci gözlem arasındaki uzaklığı hesaplamak istersek:
d(
)= √(
)
(
)
(
)
29
=√(
)
(
)
(
) =5.39
Benzer şekilde her bir gözlem değeri arasındaki Öklid uzaklıkları hesaplanarak
aşağıdaki matris oluşturulur.
Çizelge 2.4. Öklid uzaklığına göre benzerlik matrisi
Gözlem
1
1
0
2
3.46
0
3
5.39
4.08
0
4
5.48
7.07
1.73
0
5
7.28
8.31
3.46
3.32
2
Manhattan Uzaklığı: Üç özellikli
ve
3
4
5
0
noktaları için Manhattan uzaklık bağıntısı
şu şekildedir:
d(
|
)=|
|
|
|
|
Bu bağıntı yardımı ile ikinci gözlem ile birinci gözlem arasındaki Manhattan uzaklığı:
d(
)= =|4-2|+|1-3|+|3-1|=6
olarak bulunur.
Benzer biçimde diğer tüm gözlemlerin birbirine göre olan uzaklığı, Manhattan uzaklık
yöntemi ile hesaplanırsa aşağıdaki matris oluşturulur:
30
Çizelge 2.5. Manhattan uzaklığına göre benzerlik matrisi
Gözlem
1
1
0
2
6
0
3
9
7
0
4
8
8
3
0
5
11
11
6
5
Minkowski Uzaklığı: Üç özellikli
2
ve
3
4
5
0
noktaları için Minkowski uzaklık bağıntısı
şu şekildedir:
d(
]
)=[
Bu bağıntıdan yararlanarak m=3 varsayımı altında ikinci ve birinci gözlem noktaları
arasındaki Minkowski uzaklığı aşağıdaki gibidir:
d(
=[
)= [
]
] =2.88
Benzer biçimde diğer tüm gözlemlerin birbirine göre olan uzaklığı Minkowski uzaklık
yöntemi ile hesaplanırsa aşağıdaki matris oluşturulur:
31
Çizelge 2.6. Minkowski uzaklığına göre benzerlik matrisi
Gözlem
1
1
0
2
2.88
0
3
4.63
6.01
0
4
5.12
7.01
1.44
0
5
6.55
8.05
2.88
3.07
2
3
4
5
0
2.3.2. Bölümlemeli yöntemler
Bölümlemeli kümeleme teknikleri, n adet nesneden oluşan veri setini başlangıçta
belirlenen k (k<n) sayıda kümeye ayırırlar. Bu işlem sonucunda elde edilen kümelerde,
küme içi benzerlik en yüksek, kümeler arası benzerlik en düşük olmalıdır (Han ve
Kamber 2006). K-Means, K-Medoids, Clara (Clustering Large Applications) ve Clarans
(Clustering Large Applications Based Upon Randomized Search) algoritmaları
bölünmeli kümeleme algoritmalarına örnek olarak verilebilir.
2.3.2.a. K-Means algoritması
K-Means algoritması, n adet nesneden oluşan bir veri setini, giriş parametresi olarak
verilen k sayıda kümeye böler. Küme benzerliği, kümenin ağırlık merkezi olarak
belirlenen bir nesne ile kümedeki diğer nesneler arasındaki uzaklıkların ortalama değeri
hesaplanarak ölçülmektedir (Han and Kamber 2006).
K-Means algoritmasında küme sayısı başlangıçta k parametresi ile verilir. Veri setinde
bulunan her bir nesne, kendisi ile küme ortalaması arasındaki uzaklığa göre kendisine
en yakın kümeye atanır. Daha sonra her bir küme için yeni küme ortalamaları
hesaplanır. Kriter fonksiyonu küme elemanları sabitleninceye kadar devam eder (Han
ve Kamber 2006).
32
K-Means algoritmasının işlem adımları aşağıdaki gibidir (Demiralay ve Çamurcu
2005):
1. Küme merkezleri belirlenir. Bunun için nesneler arasından küme sayısı olan k adet
rastgele nokta seçilir
2. Veri setindeki nesnelerin seçilen merkez noktalara olan uzaklığı bulunur. Bulunan
sonuçlara göre tüm nesneler k adet kümeden kendilerine en yakın olan kümeye atanır.
3. Oluşan kümelerin yeni merkez noktaları o kümedeki tüm nesnelerin ortalama değeri
ile değiştirilir.
4. Merkez noktalar değişmeyene kadar 2. ve 3. adımlar tekrar edilir.
Şekil 2.6’da K-Means algoritmasına bir örnek verilmiştir.
33
Örnek veri kümesi
1. Yukarıda verilen örnek veri kümesi için
iki adet hedef kümesi tanımlanır.
2. Verilen nesnelerin belirtilen merkezlere
olan uzaklığı (öklid uzaklığı) hesaplanır.
3. Oluşan kümeleri ayırmak için aşağıdaki
gibi bir hat çizilir.
4. Daha önceden kümelendirilen
örneklerin merkezleri yeniden bulunur.
Şekil 2.6. K-Means algoritmasına örnek (Şeker 2008)
34
K-Means algoritmasının zayıf yönleri:
 K-Means algoritmasının en büyük eksikliği k değerinin kullanıcı tarafından
girilmesidir. Bundan dolayı daha başarılı bir kümeleme oluşturmak için farklı k
değerleri denenmesi gerekmektedir (Demiralay ve Çamurcu 2005).
K-Means algoritması, sadece sayısal değerlerde kullanılabilir. Bu durumda kategorik
(metinsel) değer içeren verilerin kümelenmesinde farklı bir algoritmanın kullanılması
veya kategorik alanların sayısal karşılıklarına dönüştürülmesi gerekmektedir (Dinçer
2006).
2.3.2.b. EM (Expectation Maximization) algoritması
EM algoritmasının genel amacı; araştırmalarda ortaya çıkan kayıp veri problemleri gibi
durumlarda en çok olabilirlik tahminini en iyi şekilde elde etmektir. EM algoritması,
verilen örneklerdeki (fonksiyon çok karmaşık ise) olasılık dağılımının en çok olabilirlik
tahmininin direkt hesaplanamadığı durumlarda kullanılmaktadır.
Genel olarak EM algoritması aşağıdaki gibidir:
 Tahmin edilmiş değerleri kayıp verilerin yerine koyar.
 Bu kayıp verileri kullanarak parametre tahmini yapar.
 Algoritma uygun parametre buluncaya kadar aynı işlemler devam eder.
EM algoritması iki adımdan oluşur; bunlar, E-adımı (beklenen adımı) ve M-adımı (en
büyükleme) dır.
E-adımı (Beklenen adımı): Gözlenemeyen verinin veya kayıp verinin yerinin
doldurulması adımıdır.
35
M-adımı (En büyükleme adımı): Tahmin edilen kayıp veri değerini kabul ederek
oluşan veri modeli üzerinden, bilinen en çok olabilirlik tahmini hesaplanarak M-adımı
sonucunda ortaya çıkan tahminler ile EM algoritmasının çıktısının oluşturulması
adımıdır(Yazıcı 2005).
2.3.2.c. K-Medoids algoritması
K-Means yöntemi, kümenin ortalaması tanımlandığı durumlarda kullanılabilir ve
dışarıda kalan nesnelere karşı duyarlıdır. Çok büyük değere sahip bir nesne, ait olacağı
kümenin ortalamasını yani bir sonraki adımdaki merkez noktasını büyük oranda
etkileyerek değiştirmektedir. Bu durum kümenin hassasiyetini bozabilir. Bu sorunu
gidermek için kümedeki nesnelerin ortalamasını almak yerine, kümede ortaya en yakın
noktada konumlanmış olan nesne anlamındaki medoid kullanılır. Bu işlem K-Medoids
algoritması ile gerçekleştirilir (Albayrak 2008).
K-Medoids algoritmasında kümeyi temsil edecek nokta, kümedeki verilerin ortalaması
ile belirlenmemektedir. Kümenin en merkezinde bulunan eleman küme merkezi olarak
alınmaktadır. Bu şekilde verilerin küme merkezinin kenarlara doğru kayması engellenir.
Giriş değeri olarak K-Medoids algoritmasına k küme sayının verilmesi, haliyle
kullanıcının sürekli denetleme yaparak iyi bir tahminde bulunması gerekmektedir
(Erdoğan 2004). Şekil 2.7’de K-Medoids algoritması ile kümeleme işlemi
görülmektedir.
Şekil 2.7. K-Medoids algoritması ile kümeleme (Çalışkan 2008)
36
K-Medoids algoritmasının adımları aşağıdaki gibidir (Han ve Kamber 2006):
Adım 1:
k adet nesne seç (medoid)
Adım 2:
Tekrarla
Adım 3:
Nesneleri onlara en yakın medoidlere ata
Adım 4:
Medoid olmayan rasgele bir nesne seç
Adım 5:
Bu nesne bir medoidmiş gibi alıp toplam performans hesapla
Adım 6:
Eğer daha iyi sonuç elde ediliyorsa diğeri yerine yeni medoid olarak bu
nesneyi ata (yer değiştirilir)
Adım 7:
Değişiklik olmayana dek dön.
K-Medoids algoritmaları içerisinde ilk olarak ortaya atılanlardan bir tanesi PAM
(Partitioning Around Medoids) algoritmasıdır. PAM, ilk olarak seçtiği k adet sayıyı
küme merkezi olarak kabul eder. PAM algoritması küçük veri tabanlarında çok iyi
sonuç verirken büyük veri tabanların iyi sonuç vermemektedir. Büyük veri tabanları için
CLARA ve CLARANS algoritmaları geliştirilmiştir (Dinçer 2006).
2.3.2.d. Clara algoritması
CLARA algoritmasında, tüm veri seti işlem sürecine alınmaz. Bunun yerine içerisinden
küçük bir kısmı seçilerek tüm veriyi temsil ediyormuş gibi kabul ederek işlem yapılır.
Daha sonra seçilen bu örnekleme PAM algoritması uygulanır. Örnek ne kadar rastgele
seçilirse, orijinal veri kümesini temsil etme gücü o kadar yüksek olur. Bu şekilde
CLARA algoritması ile veri tabanında birçok farklı örneklem elde edilir ve her
örneklem üzerinde PAM algoritması uygulanır. En iyi sonucu veren örneklemden elde
edilen sonuç çıktı olarak kabul edilebilir (Han and Kamber 2006).
CLARA algoritması aşağıdaki gibidir (Ng and Han 1994):
Adım 1: 5 defa aşağıdaki adımları tekrarla.
37
Adım 2: Elimizdeki veri setinden tesadüfi olarak 40+2k(k seçilen medoid demek)’lık
bir örnek çekilir ve çekilen bu örneğin k medoidini belirlemek için PAM algoritması
uygulanır.
Adım 3: Veri setinde bulunan her bir nesne için o nesneye en çok benzeyen medoidler
belirlenir.
Adım 4: Önceki adımda bulunan kümelerin ortalamaları hesaplanır. Bu değer mevcut
minimum değerden daha küçük ise minimum değer olarak atanır ve Adım 2’de elde
edilen k medoidleri en iyi medoid kümesi olarak kabul edilir.
Adım 5: Bir sonraki iterasyona başlamak için Adım 1’e geri dönülür.
2.3.2.e. Clarans algoritması
Bu algoritma, CLARA ile PAM algoritmalarının birleşiminden oluşur. CLARA
algoritması kümeleme yaparken araştırma süresince sabit bir örneklem kullanmaktadır.
Ancak CLARANS algoritması, araştırmanın her aşamasında tesadüfî bir örneklem
oluşturur. Böylece orijinal veri setinin örneklem seçimi tarafsızca yapılmış olur. Bundan
dolayı algoritmada kümeleme sürecini, k-medoidlerinin meydana getireceği bir grafiğin
araştırılması olarak tanımlamak mümkündür. Ayrıca grafikteki her bir düğüm potansiyel
bir çözüm olarak görülür. Elde edilen her bir küme mevcut kümelerin komşusu olarak
tanımlanır. Bulunan her bir komşu belli bir maliyet oluşturmaktadır. CLARANS,
maliyeti minimize eden komşunun düğümünü (k medoid kümesini) seçer. Algoritmanın
devamlılığı için yapılan yenileme sonucunda elde edilen medoid kümesi, bir sonraki
yenileme işlemi için örnek küme oluşturur (Doğan vd 2010).
CLARANS algoritması aşağıdaki gibidir (Özdamar 2002):
Adım 1: Rastgele k adet aday medoid seçilir.
Adım 2: Rastgele seçilen noktalardan bir tanesinin seçilmemiş bir nokta ile
değiştirilme durumu irdelenir.
Adım 3: Eğer yeni durum daha iyi yani düşük maliyetli ise 2. adım yeni durum göz
önüne alınarak tekrar edilir.
38
Adım 4: Yeni durum önceki durumdan daha kötü ise (maliyet yüksek ise) 2. adım var
olan durumla tekrar edilir.
Adım 5: En son elde edilen durum ile daha önceki durum karşılaştırılır.
Adım 6: Adımda en iyi durum kararı alınmamışsa 1.adıma tekrar dönülür.
2.3.3. Hiyerarşik yöntemler
2.3.3.a. En yakın komşu algoritması
En yakın komşu algoritmasında, başlangıçta tüm nesne değerleri birer küme olarak
değerlendirilir. Adım adım bu kümeler birleştirilerek yeni kümeler oluşturulur. Bu
yöntemde öncelikle nesneler arasındaki uzaklıkların belirlenmesi gereklidir. Bunun için
de Öklid uzaklık bağlantısı kullanılır.
Öklid uzaklık: d (xi,xj)=√∑
(
)
Tek bir nesneden oluşan kümeler arasındaki uzaklıklar, Öklid uzaklık formülü ile
hesaplanabilir; ancak birden fazla nesne değerine sahip olan iki küme arasındaki
uzaklığın belirlenmesi gerektiğinde farklı bir yol izlenir. Şekil 2.8’de belirtildiği gibi iki
kümenin içerdiği nesneler arasında birbirine en yakın noktalar arasındaki mesafe, iki
kümenin birbirine olan uzaklığı olarak kabul edilir (Özkan 2013).
39
Şekil 2.8. En yakın komşu algoritmasında iki kümenin birbirine olan uzaklığı
(Özkan 2013)
2.3.3.b. En uzak komşu algoritması
En uzak komşu algoritmasında, Şekil 2.9’da belirtildiği gibi iki kümenin birbirine en
uzak olan elemanları arasındaki mesafe, kümeler arasındaki uzaklık olarak tayin edilir
(Özkan 2013).
40
Şekil 2.9. En uzak komşu algoritmasında iki kümenin birbirine olan uzaklığı
(Özkan 2013)
2.3.4. Yoğunluk tabanlı yöntemler
2.3.4.a. DBSCAN algoritması
DBSCAN(Density-Based Spatial Clustering of Applications with Noise) algoritması
Martin Ester ve arkadaşları tarafından geliştirilmiş bir algoritmadır. Algoritma değişik
biçimlerdeki veri tabanlarının kümelenmesi amacıyla geliştirilmiştir. Algoritmada
kullanılan bazı terimler aşağıda verilmiştir (Ester et al. 1996):
Eps (  ): Kümelerde, iki nokta arasındaki en büyük mesafeyi belirtir. N  (p) şeklinde
gösterilir.
N  (p) = {q D | dist (p,q) ≤  }
41
MinNs: Kümelerde bulunması gereken minimum nokta sayısıdır.
Directly density-reachable (Yoğunluğa doğrudan erişebilirlik): Aşağıdaki verilen
denklemlerle koşullar sağlandığında herhangi bir p noktası başka bir q noktası sayesinde
yoğunluğa doğrudan erişilebilir.
Denklemler:
1. p N (q)
2. |N  (q)|≥MinNs
Density-reachable (Yoğunluğa erişebilirlik) : p1, p2,…pn şeklinde noktalar zinciri
varsa p1=q, pn=p ise pi+1, pi vasıtasıyla yoğunluğa doğrudan ulaşılabilir. Bu şekilde  ve
MinNs koşullarını taşıdığı sürece q noktası üzerinde yoğunluğa erişilebilir.
Density-connected (Yoğunluk Bağlantısallığı): Bir p noktası ile bir q noktasının, her
ikisi için de yoğunluğa erişilebilirlik sağlayan bir nokta aracılığı ile birbirine
bağlanmasına denir.
Cluster(Küme):  ve MinNs koşullarını taşıyan bir K kümesi, D noktalardan oluşan
bir veri tabanın alt kümesidir.
Noise(Gürültü): K1K2…Kn, D veri tabanındaki MinNs ve  (i=1,2…n) sağlayan
kümeler olsun. Bu durumda gürültü D veri tabanında Ki kümesine ait olmayan nokta
veya noktalardır.
DBSCAN, tüm veri setinde her nesneyi çekirdek nesne (bir kümede belirli olan bir
nesne), sınır nesnesi (bir kümenin sınırındaki nesneler) ya da yayılma nesnesi (herhangi
bir kümenin dışındaki belirli nesneler ) olarak inceler. Bu ilk adımdan sonra, birbirine
yakın çekirdek nesneler bir kümede bir araya getirilir. Bu metotta, yoğunluk eşiği iki
42
parametre vasıtasıyla ifade edilir; her nesne etrafında bir maksimum  yarıçapı ve
minimum sayıdaki nesneyi içeren MinNs parametreleridir. Bir p noktasının  yarıçaplı
komşuluğu ( N  p  ) olarak gösterilen MinNs nesnelerini içerirse bu p nesnesi
çekirdek nesne olarak tanımlanır. Çekirdek nesne koşulu kullanıldığında, girdi veri seti
taranır ve her nesnenin konumu belirlenir.
Bir küme hem çekirdek nesnelerle hem de bir çekirdek nesneye ulaşılabilir olan
nesnelerle bulunur. Yani çekirdek nesne koşulunu sağlayan ancak bir çekirdek nesnenin
 komşuluğunda bulunan nesnelerle belirlenir. ‘‘ulaşılabilir’’ kavramı ulaşılabilirlik
uzaklığı cinsinden ifade edilir. Bir veri seti için çekirdek ve sınır nesneleri kümesi
verildiğinde, kümeler bir çekirdek noktasından başlayan tüm nesnelere dayanarak
oluşturulur. Tek noktayla oluşturulan küme ulaşılabilir bir uzaklıkta bulunan diğer
nesneler eklenerek genişletilir. İşlem yeni eklenen öğelerle tüm ulaşılabilir nesneler
dâhil edilerek tekrarlanır. Kümenin büyümesi, kümenin tüm sınır noktaları ziyaret
edildiğinde ve başka ulaşılabilir öğeler kalmadığında durur (Ester et al. 1996).
Algoritma şu şekilde çalışmaktadır (Çelebi 2011):
Adım 1:
Seçilmemiş noktalardan rastgele bir nokta seçilir.
Adım 2:
Noktanın  uzaklığı içerisindeki komşuları bulunur.
Adım 3:
Eğer komşu sayısı MinNs sayısına eşit ya da büyük ise bir küme
oluşturulur; MinNs sayısından küçük ise bu nokta gürültü olarak işaretlenir. Fakat
ileriki işlemlerde gürültü olarak işaretlenen bu nokta başka bir noktanın oluşturabileceği
kümeye dahil edilebilir.
Adım 4:
Bir nokta bir kümeye dahil edildiğinde tüm  komşuları da bu kümeye
dahil edilir. Tabi ki bu eklenenler için de geçerlidir. Bu işlem eklenecek nokta
kalmayana kadar devam ettirilir ve böylece kümelerin tamamı oluşturulmuş olur.
Adım 5:
Seçilmemiş bir nokta seçilir ve döngü tekrarlanır.
Adım 6:
Eğer herhangi bir kümeye atanmamış veri söz konusu ise bu nesneler
gürültü olarak nitelendirilir.
43
2.3.4.b. OPTICS algoritması
DBSCAN ve diğer kümeleme algoritmalarında giriş parametrelerini kullanıcıdan
istemesi büyük bir sorundur. Bu parametrelerin değeri küme sayısı ve niteliği gibi
hususları son derece etkileyecektir. Biraz farklı değerler çok farklı kümelerin
oluşmasına neden olabilir. Bu tür olumsuzlukların üstesinden gelmek için OPTICS
(Ordering Points To Identify the Clustering Structure) algoritması geliştirilmiştir (Han
and Kamber 2006).
OPTICS algoritması iki ayrı parametreden yararlanır (Ankerst et al. 1999). Bunlar iç
mesafe
(core-distance)
ve
ulaşılabilirlik
mesafesi
(reachability-distance)
parametreleridir. İç mesafe; p noktası, veri tabanının bir elemanı ve , mesafe değeri
olarak alınırsa p noktasının etrafında bulunan başka noktalarla olan minimum 
mesafesidir. Ulaşılabilirlik mesafesi ise p noktasını diğer noktalar üzerindeki yoğunluğa
eriştirecek en küçük mesafe değeridir.
OPTICS algoritması veri tabanındaki bütün noktalar için ulaşılabilirlik ve iç mesafe
değerlerini tutar ve veri tabanını da bir sıralamaya ve düzene sokar. Bu bilgiler
yardımıyla veri tabanındaki sıralamayı ve düzeni oluştururken kullanılan  değerinden
daha küçük tüm  değerleri için değişik yoğunluğa dayalı kümeleme işlemi yapar (Han
and Kamber 2006).
2.3.4.c. DENCLUE algoritması
DENCLUE (Density-based Clustering) algoritması, Alexander Hinneburg ve Daniel A.
Keim tarafından KDD’98 konferansında sunulmuştur (Hinneburg and Keim 1998). Bu
algoritmada veri tabanında bulunan nesneleri kümelemek için yoğunluk dağılım
fonksiyonlarından faydalanılır. DENCLUE algoritmasının DDBSCAN algoritmasına
göre 45 kat daha hızlı olduğu deneysel olarak ispatlanmıştır. DENCLUE algoritması üç
aşamadan oluşur:
44
1. Her bir veri nesnesinin kendi çevresi kapsamında etki fonksiyonu bulunur. Bu
fonksiyon parabolik, kare dalga fonksiyonu veya Gauss fonksiyonu olabilir. Daha sonra
bu fonksiyon veri tabanındaki bütün nesnelere uygulanır.
2. Hesaplanan etki fonksiyonların toplamı veri tabanının genel yoğunluğunu verir.
3. Matematiksel olarak yoğunluk çekicileri (density-attractors) yardımı ile kümeler
tespit edilir.
2.3.5. Izgara tabanlı yöntemler
2.3.5.a. Sting algoritması
Sting (Statistical Information Grid) algoritması, uzayı/alanı dikdörtgen hücrelere bölen
ve hiyerarşik bir yapı oluşturan tekniktir. Bu hiyerarşik yapının köküne birinci seviye
denilirse, alt seviyedekiler/çocuklar ikinci seviye, diğerleri üçüncü, dördüncü şeklinde
sıralanacaktır. Herhangi bir i düzeyindeki bir hücre (i+1). seviyedeki çocukların
birleşimine karşılık gelir. Her hücre yapraklar hariç toplamda 4 çocuğa sahiptir. Birinci
seviyedeki kök hücre bütün alanı temsil eder. Yaprak düzey hücrelerin boyutu
nesnelerin yoğunluğuna bağlıdır. Genel kural olarak, bu boyut birkaç düzineden, birkaç
bin noktaya ulaşabilir.
Her hücre içerisinde aşağıdaki parametreler tutulur:
NoktaSys : Bulunan nokta sayısı
m: Hücredeki tüm değerlerin toplamı
s: Hücrede bulunan sayısal değerlerin standart sapması
enk: Hücre içerisindeki nitelik en küçük değer
enb: Hücre içerisindeki nitelik en büyük değeri
dağıtım: Hücrelerin nitel dağılımlarındaki dağılım tipi (normal, üstel gibi).
Veriler veri tabanına kaydedilirken, en alt seviyede hücrelerdeki NoktaSys, m, s, enk ve
enb parametreleri doğrudan hesaplanır. Dağılım şekli eğer önceden biliniyorsa kullanıcı
45
tarafından girilir veya ki-kare testi gibi testler yardımıyla belirlenir. Üst seviyedeki
hücrelerin parametreleri ise alt seviyedeki hücrelerden yararlanarak elde edilir. Eğer alt
seviyedeki hücreler dağılım konusunda birbiriyle uyuşmuyorsa ve eşik seviyesi
aşılamazsa üst seviyedeki hücrelerin dağılım tipi “hiçbiri” olur.
İstatiksel bilgiler yukarıdan aşağıya gridlere bağlı kalmak şartıyla ilk önce, hiyerarşik
yapıda içerisinde sorgulama başlatmak üzere bir seviye belirlenir. Bu katman genelde az
sayıda hücre içerir. Katmandaki bütün hücreler için, bu hücrenin verilen sorguyu
karşılayıp karşılamadığını belirlemek için güven aralığı hesaplanır. Belirlenen güven
aralığı çerçevesinde uygun olan ve olmayan hücreler belirlenir. İlgisiz uygun olmayan
hücreler ileriki adımlarda kullanılmamak üzere dışarıda tutulur. Bu işlem en alt seviyeye
ulaşılana dek sürdürülür. Bu işlem sonunda çoğu kez sorguya cevap verecek yeteri
kadar hücre elde edilir. Yeteri kadar hücre elde edilmediğinde işlem tekrar edilir (Wang
et al. 1997).
2.3.5.b. Dalga kümeleme metodu
Dalga kümeleme metodu, büyük miktarda veri içeren veri tabanlarının kümelenmesi
için kullanılabileceği gibi değişik şekil ve biçimlerde kümeleme arz eden veri grupları
için de kullanılabilir. Bu kümeleme yönteminin en büyük avantajlarından biri
kullanıcının küme sayısını girmemesidir.
Algoritmanın adımları şu şekilde verilebilir:
Adım 1: Özellik uzayının sayısallaştırılması ve birimlere nesnelerin atanması
Adım 2: Özellik uzayına dalga dönüşüm işleminin uygulanması
Adım 3: Dönüştürülmüş özellik uzayının alt bantlarındaki birbirine bağlı kümelerin
bulunması
Adım 4: Birimlerin isimlendirilmesi
Adım 5: Kontrol tablosunun yaratılması
Adım 6: Nesnelerin Kümelere atanması
46
Bu yöntem denetimsiz kümeleme sağlar. Kümeleri belirlemek için şapka şeklinde
filtreler kullanılır ve eşzamanlı olarak zayıf bilgileri kendi sınırları içerisinde bastırır.
Böylece, orijinal özellik uzayındaki yoğun bölgeler, yakın noktalar için çekici gibi
hareket ederken, uzaktaki noktalar için engelleyici görevi görürler. Bunun anlamı; ana
veri grubu içindeki kümeler belirgin bir şekilde ortaya çıkarken bu kümenin etrafı temiz
ve berrak bir hal alır. Yani kümeler hem belirginleşir hem de uç veriler bertaraf edilmiş
olur (Silahtaroğlu 2008).
2.3.5.c. CLIQUE algoritması
CLIQUE (Clustering High-Dimensional Space) algoritması, Agrawal, Gehrke,
Gunopulos ve Raghavan tarafından SIGMOD’98 konferansında sunulmuştur (Agrawal
et al. 1998). Çok boyutlu veri tabanlarında iyi sonuçlar vermektedir.
CLIQUE algoritması aşağıdaki gibi özetlenebilir (Han and Kamber 2006):
1. Çok boyutlu veri içeren büyük veri tabanlarında, genellikle veriler düzenli
dağılmamaktadır. CLIQUE algoritması veri uzayındaki seyrek ve kalabalık alanları
tanımlayarak veri kümesinin genel dağılım desenlerini keşfeder.
2. Veri uzayında bulunan toplam veri noktalarının bir kısmı giriş modeli parametresini
aşarsa o hücre yoğun olarak kabul edilmektedir. CLIQUE algoritması kümeye bağlı
yoğun birimlerinin maksimum bir kümesi olarak tanımlanır.
CLIQUE algoritması, çok boyutlu veri uzayının alt uzaylarında çalışır ve bu sayede
daha iyi kümeleme gerçekleştirir. Aynı zamanda, veri uzayının dağınık ve birbirinden
bağımsız veriler tarafından doldurulduğu kabul edilir. Algoritma birbirine yakın
noktalardan oluşan bölgeleri (yoğun olan bölgeleri) diğer bölgelerden ayırır ve bu
bölgelere “birim” ismi verilir (Silahtaroğlu 2008).
Algoritma çok boyutlu kümelemeyi gerçekleştirmek için genel olarak üç adımda
tanımlanır (Agrawal et al. 1998):
47
Adım 1:
Kümeleri içinde bulunduran alt uzayların tanımlanması
Adım 2:
Kümelerin tanımlanması
Adım 3:
Kümeler için minimum tanımının genelleştirilmesi
48
3. MATERYAL ve YÖNTEM
3.1. Materyal
3.1.1. Problemin tanımlanması
Teknolojinin gelişmesi ile birlikte nitelikli ara eleman ihtiyacı da artmıştır. Eğitimli ve
kaliteli ara eleman yetiştirmek için meslek yüksekokullarına da büyük görev
düşmektedir. Bu tez çalışmasındaki amaç, meslek yüksekokullarında eğitim-öğretim
gören öğrencilerin başarılarını etkileyen faktörleri, veri madenciliği kümeleme
teknikleri ile analiz etmektir.
3.1.2. Verinin hazırlanması
Bu
çalışmada
kullanılan
veriler,
Ağrı
İbrahim
Çeçen
Üniversitesi
Meslek
Yüksekokulu’nda 2011-2012 eğitim öğretim dönemi ve öncesine ait olup üniversitenin
Bilgi İşlem Daire Başkanlığından Microsoft Excel formatında alınmıştır. Veri
madenciliğinin en önemli unsurlarından biri olan ve güvenilirliğini arttıran veri
kalitesini yükseltmek için Excel formatında alınan veriler çeşitli işlemlerden geçirilmek
üzere Microsoft SQL Server 2008 (MSSQLServer-2008) veri tabanına aktarılmıştır.
MSSQLServer-2008 veri tabanının seçilmesinin nedeni, veriler üzerinde temizleme,
birleştirme, dönüştürme işlemlerinin kolay bir şekilde yapılabilmesidir.
Üniversiteden alınan bilgiler dışında, öğrencilerin başarısını etkileyebilecek diğer
faktörler Nisan 2012’de Meslek Yüksekokulu Müdürlüğünün izni ile öğrencilere
sunulan bir form üzerinden alınmıştır. Öğrencilere doldurtulan bilgi formu EK 1’de
verilmiştir. Öğrencilerden alınan bilgiler Delphi programlama dili yardımı ile
MSSQLServer-2008 veri tabanına aktarılmıştır. Yazılan programın ara yüzü
Şekil 3.1’de verilmiştir.
49
Şekil 3.1. Öğrenci bilgilerinin Delphi programı ile MSSQLSERVER-2008 veri
tabanına aktarılmasını sağlayan programın ara yüzü
Aşağıda bu çalışmaya ait MSSQLSERVER-2008’de oluşturulan veri tabanı
(MYOOgrenci), MYOOgrenci veri tabanında oluşturulan tablolar ve bu tablolara
eklenen niteliklerin açıklamaları verilmiştir. Şekil 3.2’de MSSQLSERVER-2008 ara
yüzü, oluşturulan veri tabanı (MYOOgrenci) ve oluşturulan tablolar görülmektedir.
MYOOgrenci : MSSQLSERVER-2008’de oluşturulan veri tabanı ismi.
OgrenciTanim: Öğrenciye ait öğrenci numarası (ogrno), okuduğu bölüm (bolum),
okuduğu program ismi (program), öğrencinin cinsiyeti (cinsiyeti), mezun olduğu lise
(lise), mezun olduğu lise türü (liseturu), mezun olduğu lise diploma ortalaması
(lisdiplomaort), engel durumu var mı yok mu (engeldurumu), öğrencinin meslek
yüksekokulundaki not ortalaması (sonagno), MYO’dan mezun olmuş mu olmamış mı
(durumu),
MYO
mezuniyet
tarihi
(mezuntarihi),
MYO’ya
yerleşme
puanı
(yerlesmepuan), doğum yeri (dogumyeri) ve MYO’ya kayıt tarihi (kayittarihi)
50
bilgilerinin tutulduğu tablodur. Bu tabloda 1801 kayıt bulunmaktadır ve MYO’nun
aktif, mezun olmuş ve okuldan kaydını silen öğrencileri bilgilerinden oluşmaktadır.
Dersler: Öğrencinin MYO’da aldığı dersleri ve bu derslere ait bilgileri içermektedir.
Öğrencinin numarası (ogrencino), dersin dönemi (donem), dersin kodu (derskoduadi),
dersin kredisi (kredisi), öğrencinin bu dersten aldığı not (alinannot), aldığı notun harf
notu karşılığı (harfnotu) bilgileri bu tabloda tutulmaktadır. Tabloda 37682 kayıt
bulunmaktadır.
OgrenciBilgileri: Öğrenci numarası (ogrencino), bölümü (bolumu), sınıfı (sınıf),
mezun olduğu lise (mznlise), yaşı (yasi), kronik bir sağlık sorunu olup olmadığı
(sagliksorunu), kiminle kaldığı (kaldigiyer), ailesinin aylık geliri (aylikgelir), kardeş
sayısı (kardessayisi), babasının mesleği (babameslegi), annesinin çalışıp çalışmadığı
(annecalismadurumu), anne ve babasının beraber olup olmadığı (annebababerabermi),
annesinin hayatta olup olmadığı (anneyasiyormu), babasının hayatta olup olmadığı
(babayasiyormu) bilgilerinin tutulduğu tablodur. Bu tabloda MYO’daki aktif öğrenci
sayısı olan 627 kayıt bulunmaktadır.
51
Şekil 3.2. MSSQLSERVER-2008 ara yüzü, oluşturulan veri tabanı (MYOOgrenci)
ve oluşturulan tablolar
3.1.3. Verinin temizlenmesi
Veri temizleme, veri madenciliğinin en önemli adımlarından biridir. Çünkü kaliteli veri
kaliteli sonuçlar doğurur. Eksik veya temizlenmemiş veri yanlış sonuçlar doğurabilir.
Veri temizleme aşamasında yapılması gereken işlemler aşağıda verilmiştir (Dener vd
2009):
 Bir niteliğe ait verilerin büyük bir çoğunluğu eksikse yani null değer içeriyorsa bu
nitelik tablodan çıkarılmalıdır.
 Bir niteliğe ait veriler yüksek oranlarda kayıp değer içeriyorsa, kayıp değer
problemini çözmek için kayıp değeri bir değerle kodlama yöntemi kullanılır. Bu
yönteme göre, kayıp değerli alana “u” gibi bir sabit bir değer atanır (u, İngilizcede
bilinmeyen anlamına gelen unknown kelimesinin baş harfi olduğu için seçilmiştir).
52
Sayısal (nümerik) veri alanlarındaki kayıp değer sorununu çözmek için aşağıdaki
yöntemler kullanılmalıdır (Dener vd 2009):
 Kayıp değerli alanlara, o nitelikle ilgili tüm kayıtların ortalaması alınarak kayıp
değerli alanlara atanır. Bu yöntem, basit olmakla birlikte verinin dağılımı üzerinde
büyük bir etkiye sahiptir. Bu nedenle, verinin dağılımını minimum düzeyde etkileyecek
durumlarda kullanılmalıdır.
 Var olan değerler kullanılarak verinin dağılımı elde edilir ve kayıp değerli alanlara
bu dağılıma uygun olarak değer atanır. Bu yöntem, verinin dağılımını çok fazla
değiştirmez. Ancak kurulan modelde değer atanan alan çok önemli ise veri madenciliği
sonuçları etkilenir.
Bu yöntemler göz önünde bulundurularak uygulamada kullanılacak veriler üzerinde,
kayıp değer problemini çözmek için Structured Query Language (SQL) komutları ve
Transact SQL (T-SQL) komutları kullanılmıştır.
T-SQL, SQL komutlarının kullanımının yanı sıra programlamada kullanılan akış
kontrollerini, döngüleri, mantıksal karşılaştırma ve değişken kullanımına olanak
sağlayan veri tabanı programlama dilidir (Özseven 2010).
Öğrenci başarısını ölçmede öğrencinin son not ortalaması (son agnosu) önemli olduğu
için sonagno alanı null ve 0 değer içeren kayıtlar OgrenciTanim tablosundan silinmiştir.
Söz konusu kayıp değerlere sahip kayıtlar, aşağıdaki SQL komutları ile silinmiştir:
Delete from OgrenciTanim where (sonagno=0) or (sonagno is null) OgrenciTanim
tablosunda veri temizleme sonucunda 1801 kayıttan 446 kayıt silinmiş 1355 kayıt
kalmıştır.
53
3.1.4. Veri birleştirme ve dönüştürme
Veri
Birleştirme
aşamasında
öğrencilerin
tüm
özelliklerini
tek
tabloda
(OgrenciGenelBilgileri) göstermek için T-SQL kodları yardımı ile OgrenciTanim ve
OgrenciBilgileri
tabloları
öğrenci
numarasına
alanına
göre
ilişkilendirilerek
OgrenciGenelBilgileri ismi ile yeni oluşturulan tabloya eklenmiştir. T-SQL sorgusu
aşağıdaki gibidir:
BEGIN
Declare
@ogrencino int,@bolumu nvarchar (60),@cinsiyeti nvarchar (10),
@sonagno float,@yerlesmepuan float,@dogumyeri nvarchar (50),
@liseturu nvarchar (100),@yasi nvarchar (10),
@sagliksorunu nvarchar (2) , @kaldigiyer nvarchar (20) ,
@aylikgelir nvarchar (15) ,@kardessayisi nvarchar (10) ,
@babameslegi nvarchar (15) ,@annecalismadurumu nvarchar (2) ,
@anneyasiyormu nvarchar (2) ,@babayasiyormu nvarchar (2)
DECLARE ConvertOgrenciTanim CURSOR FAST_FORWARD FOR
SELECT
tanim.ogrno,
case when bilgi.bolumu is not null then bilgi.bolumu
else tanim.program
end as bolumu,
tanim.cinsiyeti,tanim.sonagno,tanim.yerlesmepuan,
case when tanim.dogumyeri='AĞRI'
or tanim.dogumyeri='MERKEZ' then 'AĞRI'
else 'DİĞER'
end dogumyeri,
case when bilgi.mznlise is not null then
case when Bilgi.mznlise=1 then 'Meslek Lisesi'
else 'Diğer'
end
else tanim.liseturu
end liseturu,
case when bilgi.yasi=1 Then '15-20'
when bilgi.yasi=2 Then '21-30'
when bilgi.yasi=3 Then '31-35'
when bilgi.yasi=4 Then '35+'
end as yas,
case when bilgi.sagliksorunu=1 Then 'E'
when bilgi.sagliksorunu=2 Then 'H'
end as saglikdurum,
case when bilgi.kaldigiyer=1 Then 'Ailemle'
when bilgi.kaldigiyer=2 Then 'Yurtta'
when bilgi.kaldigiyer=3 Then 'Kirada'
end as kaldigiyer,
case when bilgi.aylikgelir=1 Then '0-750'
when bilgi.aylikgelir=2 Then '751-1500'
when bilgi.aylikgelir=3 Then '1501-3000'
when bilgi.aylikgelir=4 Then '3000+'
54
end as aylikgeliri,
case when bilgi.kardessayisi=1 Then '0-3'
when bilgi.kardessayisi=2 Then '4-6'
when bilgi.kardessayisi=3 Then '7+'
end as kardessayis,
case when bilgi.babameslegi=1 Then 'Esnaf'
when bilgi.babameslegi=2 Then 'Memur'
when bilgi.babameslegi=3 Then 'Özel Sektör'
when bilgi.babameslegi=4 Then 'Çalışmıyor'
end as babameslek,
case when bilgi.annecalismadurumu=1 Then 'E'
when bilgi.annecalismadurumu=2 Then 'H'
end as annecalismadurum,
case when bilgi.anneyasiyormu=1 Then 'E'
when bilgi.anneyasiyormu=2 Then 'H'
end as anneyasiyormu,
case when bilgi.babayasiyormu=1 Then 'E'
when bilgi.babayasiyormu=2 Then 'H'
end as babayasiyormu
FROM OgrenciTanim as tanim inner join OgrenciBilgileri as Bilgi
ON tanim.ogrno=Bilgi.ogrencino
OPEN ConvertOgrenciTanim
FETCH NEXT FROM ConvertOgrenciTanim
INTO @ogrencino,@bolumu,@cinsiyeti,@sonagno,@yerlesmepuan,@dogumyeri,
@liseturu,@yasi,@sagliksorunu,@kaldigiyer,@aylikgelir,@kardessayisi,
@babameslegi,@annecalismadurumu,@anneyasiyormu,@babayasiyormu
WHILE (@@FETCH_STATUS =0)
BEGIN
INSERT INTO OgrenciGenelBilgileri
(ogrencino,bolumu,cinsiyeti,sonagno,
yerlesmepuan,dogumyeri,liseturu,yasi,sagliksorunu,kaldigiyer,
aylikgelir,kardessayisi,babameslegi,annecalismadurumu,
anneyasiyormu,babayasiyormu)
VALUES
(@ogrencino,@bolumu,@cinsiyeti,@sonagno,@yerlesmepuan,@dogumyeri,@lise
turu,@yasi,@sagliksorunu,@kaldigiyer,@aylikgelir,@kardessayisi,
@babameslegi,@annecalismadurumu,@anneyasiyormu,@babayasiyormu)
FETCH NEXT FROM ConvertOgrenciTanim
INTO @ogrencino,@bolumu,@cinsiyeti,@sonagno,@yerlesmepuan,
@dogumyeri,@liseturu,@yasi,@sagliksorunu,@kaldigiyer,
@aylikgelir,@kardessayisi,@babameslegi,@annecalismadurumu,
@anneyasiyormu,@babayasiyormu
END
CLOSE ConvertOgrenciTanim
DEALLOCATE ConvertOgrenciTanim
RETURN
END
OgrenciGenelBilgileri tablosuna ait bazı veriler Ek 2’de gösterilmiştir. Öğrenci
numarasına göre OgrenciTanim tablosunda olup OgrenciBilgileri tablosunda olmayan
kayıtlar OgrenciGenelBilgileri tablosuna eklenmemiştir. Sadece öğrenci numarası ortak
55
olan kayıtlar tabloya eklenmiştir. Bu işlem sonunda 581 kayıttan oluşan ve uygulamada
asıl olarak kullanılacak veri kümesi oluşturulmuştur.
OgrenciGenelBilgileri tablosundaki öğrenci verilerine ait istatistikleri gösteren SQL
sorguları aşağıdaki çizelgede verilmiştir.
Tablodaki
toplam
kayıt sayısını bulan
SQL
sorgusu
ve
sonucu
Cinsiyet istatistiklerini
gösteren SQL sorgusu
ve sonucu
Doğum yeri
istatistiklerini
gösteren T-SQL
sorgusu ve sonucu
56
Mezun olunan Lise
türü istatistiklerini
gösteren SQL sorgusu
ve sonucu
Yaş dağılımı
istatistiklerini
gösteren SQL sorgusu
ve sonucu
Kronik sağlık durumu
istatistiklerini
gösteren SQL sorgusu
ve sonucu
57
Öğrencinin eğitimöğretim süresince
kaldığı yer
istatistiklerini
gösteren SQL sorgusu
ve sonucu
Aylık gelir durumu
istatistiklerini
gösteren SQL sorgusu
ve sonucu
Kardeş sayısı
istatistiklerini
gösteren SQL sorgusu
ve sonucu
58
Baba mesleği
istatistiklerini
gösteren SQL sorgusu
ve sonucu
Annenin çalışıpçalışmama
istatistiklerini
gösteren SQL sorgusu
ve sonucu
Annenin hayatta olup
olmama istatistiğini
gösteren SQL sorgusu
ve sonucu
59
Babanın hayatta olup
olmama istatistiğini
gösteren SQL sorgusu
ve sonucu
Veri birleştirme aşamasından sonraki adım veri dönüştürme işlemidir. Uygulamada
kullanılan veri üzerinde, veri dönüştürme aşamasında aşağıdaki işlemler uygulanmıştır:
1. Son agno (sonagno) ve üniversiteye yerleşme puanları (yerlesmepuan) Excel
programından MSSQLServer-2008 ortamına aktarıldığında otomatik olarak 1000 ile
çarpılmıştır. Bu problemi düzeltmek için bu puanları güncelleyen aşağıdaki SQL
sorgusu işletilmiştir:
update OgrenciGenelBilgileri set sonagno= (sonagno/1000)
update OgrenciGenelBilgileri set yerlesmepuan= (yerlesmepuan/1000)
3. Cinsiyeti “ERKEK” olan kayıtlar ‘E’, “KADIN” olan kayıtlar ise ‘B’ olarak
değiştirilmiştir. Bu işlem için aşağıdaki T-SQL sorgusu kullanılmıştır:
UPDATE OgrenciGenelBilgileri
SET cinsiyeti=CASE WHEN cinsiyeti='ERKEK' THEN 'E'
WHEN cinsiyeti='KADIN' THEN 'B'
END
60
4. Doğum yeri “AĞRI” olan kayıtlar ‘A’, doğum yeri “AĞRI” dan farklı olan kayıtlar
‘D’ olarak değiştirilmiştir. Bu işlem için aşağıdaki T-SQL sorgusu kullanılmıştır:
UPDATE OgrenciGenelBilgileri
SET dogumyeri=CASE WHEN dogumyeri='AĞRI' THEN 'A'
ELSE 'D'
END
5. Mezun olduğu lise “Meslek Lisesi” olan kayıtlar ‘M’,
diğerleri ‘D’ olarak
değiştirilmiştir. Bu işlem için aşağıdaki T-SQL sorgusu kullanılmıştır:
UPDATE OgrenciGenelBilgileri
SET liseturu=CASE WHEN liseturu='Meslek Lisesi' THEN 'M'
WHEN liseturu='Diğer'
THEN 'D'
END
6. Kaldığı yer “Ailemle” olan kayıtlar ‘A’, “Yurtta” olan kayıtlar ’Y’, “Kirada” olan
kayıtlar ‘K’ olarak değiştirilmiştir. Bu işlem için aşağıdaki T-SQL sorgusu
kullanılmıştır:
UPDATE OgrenciGenelBilgileri
SET kaldigiyer=CASE WHEN kaldigiyer='Ailemle' THEN 'A'
WHEN kaldigiyer='Yurtta' THEN 'Y'
WHEN kaldigiyer='Kirada' THEN 'K'
END
7. Baba mesleği “Esnaf” olan kayıtlar ‘E’, “Memur” olan kayıtlar ‘M’, “Özel Sektör”
olan kayıtlar ‘O’, “Çalışmıyor” olan kayıtlar ‘C’ olarak değiştirilmiştir. Bu işlem için
aşağıdaki T-SQL sorgusu kullanılmıştır:
61
UPDATE OgrenciGenelBilgileri
SET babameslegi=CASE WHEN
WHEN
WHEN
WHEN
END
Bazı
verilerin,
dönüşüm
babameslegi='Esnaf'
babameslegi='Memur'
babameslegi='Özel Sektör'
babameslegi='Çalışmıyor'
işleminden
sonraki
hali
EK
THEN
THEN
THEN
THEN
3’de
'E'
'M'
'O'
'C'
gösterilmiştir.
Çizelge 3.1’de değişen niteliklerin veri dönüşüm aşamasında aldığı değerler verilmiştir.
Çizelge 3.1. Veri dönüşüm aşamasında bazı niteliklerin aldığı değerler
Nitelikler
Veri Dönüşümünden Önce
Veri Dönüşümünden Sonra
Cinsiyeti (ERKEK, KADIN)
Cinsiyeti (E, B)
Dogumyeri (AĞRI, DİĞER)
Dogumyeri (A, D)
Liseturu (Meslek Lisesi, Diğer)
Liseturu (M, D)
Kaldigiyer (Ailemle, Yurtta, Kirada)
Kaldigiyer (A, Y, K)
Babameslegi (Esnaf, Memur, Özel Babameslegi (E, M, O, C)
Sektör, Çalışmıyor)
3.2. Yöntem
Verilerin analizi için, Waikato Üniversitesi tarafından 1996’da ilk resmi sürümü
yayınlanmış olan bir makine öğrenme (machine learning) ve veri madenciliği (data
mining) programı olan WEKA (Waikato Environment for Knowledge Analysis) paket
62
programı kullanılmıştır. WEKA, veri analizi ve tahminleyici modelleme için
geliştirilmiş, görsel algoritma ve araçlar sunan, akademik araştırmalar için, eğitim ve
endüstriyel uygulama alanlarında kullanılan bir yazılımdır. WEKA yazılımının temel
avantajları; geniş veri önişleme ve modelleme tekniklerine sahip olması, grafiksel
kullanıcı ara yüzü sayesinde kullanımının kolay olması ve programlama dili olarak
Java’yı kullanmasından ötürü platformdan bağımsız ve taşınabilir olmasıdır (Tapkan vd
2011).
WEKA programı çalıştırıldığında Şekil 3.3’deki kullanıcı ara yüzü ekrana gelir.
Şekil 3.3. WEKA kullanıcı arayüzü
WEKA programı ARFF (Attribute Related File Format) formatını desteklemektedir. Bu
tezde kullanılan veriler Excel2Arf Converter programı ile ARFF formatına
dönüştürülmüştür. Verinin Excel2Arf Converter programı yardımı ile ARFF formatına
dönüştürülmesi Şekil 3.4’de ve ARFF formatına dönüştürülmüş veri Şekil 3.5’de
verilmiştir.
63
Şekil 3.4. Verinin Excel2Arf Converter programı yardımı ile ARFF formatına
dönüştürülmesi
64
Şekil 3.5. ARFF formatına dönüştürülmüş veri
WEKA dört temel modülden oluşmaktadır. Bunlar (İşler ve Narin 2012):
Explorer: Mevcut veri üzerinde yapılabilecek uygulamaları içeren genel bir grafiksel
kullanıcı ara yüzünü içeren modüldür.
65
Experimenter: Bir veya daha çok veri kümesi üzerinde bir veya daha çok algoritmanın
uygulanabilmesine ve sonuçlarının gözlemlenebilmesine olanak sağlayan modüldür.
Knowledge Flow: Matlab içindeki Simulink veya National Instruments firmasına ait
olan LabVIEW programı gibi sürükle bırak özelliğine sahip olan “Explorer” penceresi
gibi çalışmaktadır. Kullanıcı tercihine bağlı olarak “Explorer” ya da Knowledge Flow”
modüllerini kullanabilir.
Simple CLI: Bu modül komut ekranı aracılığıyla işlem yapmayı sağlar.
Uygulamada Explorer modülü kullanılmıştır. Explorer modülünün kullanıcı ara yüzü
Şekil 3.6’da gösterilmiştir. Explorer kullanıcı ara yüzü önişlem (preprocess), sınıflama
(classify), kümeleme (cluster), ilişkilendirme (associate), öznitelik seçimi (select
attributes) ve görselleştirme (visualize) sekmelerinden oluşur.
Şekil 3.6. Explorer modülünün kullanıcı arayüzü
66
Ekran ilk açıldığında Preprocess paneli hariç diğerleri henüz veri yüklenmediğinden
pasif durumdadır. ARFF formatına dönüştürülmüş veri yüklendikten sonra diğer
paneller (Classify, Cluster, Associate, Select Attribute, Visualize) aktif hale gelir.
Preprocess panelinde çalışılacak verinin yüklenmesini, çeşitli filtreleme işlemleri ile
verilerdeki
eksikliklerin
düzeltilmesini,
kullanılacak
değişkenlerin
seçilmesini,
kaldırılmasını ve niteliklere ait istatistiki bilgilerin gösterilmesini sağlayan seçenekler
bulunmaktadır. Uygulamada kullanılacak veriyi yüklemek için, “Open file”, “Open
URL”, “Open DB”
ve “Generate” seçimleri bulunmaktadır. Veriler diskten
yüklenecekse “Open file”, herhangi bir internet sayfasından yüklenecekse “Open URL”
seçeneği, ağdaki bir veri tabanı sunucusundan yüklenecekse “Open DB” seçeneği, eğer
veriler elle girilecekse “Generate” seçeneği seçilmelidir.
Yüklenen verinin kayıp değerleri ve gereksiz verileri kullanılacak algoritmaya uygun
olarak yapılandırmak için Preprocess sekmesinden “Filter” seçeneği, hangi tür
filtreleme yapılacağı ise “Choose” düğmesinden seçilir.
Kayıp veriler için “ReplaceMissingValues”; gereksiz verileri kaldırmak için
“PrincipalComponents”; alanları sayısallaştırmak için “NumericToBinary” seçenekleri
seçilir.
Veri, WEKA programına yüklendiğinde niteliklere ait istatistiki bilgiler Şekil 3.7’de
gösterilmiştir.
67
Şekil 3.7. Niteliklere göre istatistiki bilgiler
68
4. ARAŞTIRMA BULGULARI ve TARTIŞMA
WEKA programının “Classifier” sekmesi, veri kümesi üzerinde sınıflandırma
algoritmalarının uygulandığı sekmedir. “Cluster” sekmesinde, veri kümesi üzerinde
uygulanacak WEKA kümeleme algoritmaları bulunur. “Associate” sekmesinde,
uygulanacak WEKA birliktelik kuralları algoritmaları bulunur. Visualize sekmesi, farklı
nitelikler arasındaki ilişkileri grafiksel olarak görüntülemek için kullanılır.
Hazırlanan veri, WEKA programına yüklendikten sonra “Cluster” panelinden veriye
uygulanacak kümeleme algoritması
“Choose” butonu tıklanarak seçilir. Seçilen
algoritma tıklanarak algoritma ile ilgili ayarlamalar yapıldıktan sonra sonuçlar için
“Start” butonuna tıklanır. Seçilen algoritma ile ilgili sonuçlar “Cluster output”
penceresinde görüntülenir.
Çalışmada hazırlanan veri kümesinden sonagno niteliği seçilerek K-Means algoritması
uygulandığında elde edilen sonuçlar Şekil 4.1’de ve kayıtların kümelere dağılımı SQL
kodları yardımı ile Çizelge 4.1’de verilmiştir.
69
Şekil 4.1. K-Means algoritmasının WEKA çıktısı
70
Çizelge 4.1. K-Means algoritmasının sonucu ve özeti
Kümeler ve Verilerin Kümelere Dağılımı
Küme No
Not Ortalamalası(sonagno)
0
1
2
2.3346
3.1591
1.3688
ÖZELLİKLER Özelliklerin Aldığı Değerler K.Sayısı
%
K.Sayısı
%
K.Sayısı
%
M (Meslek Lisesi)
164
51,2500
88
27,5000
68
21,2500
D (Diğer Lise)
136
52,1073
91
34,8659
34
13,0268
A (Ağrı)
108
53,2020
62
30,5419
33
16,2562
D (Diğer)
192
50,7937
117
30,9524
69
18,2540
0-750 TL
135
47,0383
100
34,8432
52
18,1185
751-1500 TL
106
52,4752
61
30,1980
35
17,3267
1501-3000 TL
50
61,7284
17
20,9877
14
17,2840
3000+ TL
9
81,8182
1
9,0909
1
9,0909
A (Ailemle)
159
60,2273
72
27,2727
33
12,5000
Y (Yurtta)
56
42,1053
56
42,1053
21
15,7895
K (Kirada)
85
51,8293
51
31,0976
28
17,0732
0-3
57
55,3398
23
22,3301
23
22,3301
4-6
126
47,7273
85
32,1970
53
20,0758
7+
117
54,6729
71
33,1776
26
12,1495
15-20
94
44,9761
59
28,2297
56
26,7943
21-30
177
54,7988
105
32,5077
41
12,6935
31-35
6
35,2941
9
52,9412
2
11,7647
35+
23
71,8750
6
18,7500
3
9,3750
M (Memur)
87
58,0000
33
22,0000
30
20,0000
E (Esnaf)
55
48,2456
32
28,0702
27
23,6842
C (Çalışmıyor)
133
46,3415
98
34,1463
56
19,5122
O (Özel Sektör)
25
50,0000
16
32,0000
9
18,0000
E (Erkek)
205
50,7426
125
30,9406
74
18,3168
B (Bayan)
95
53,6723
54
30,5085
28
15,8192
E (Evet)
32
48,4848
17
25,7576
17
25,7576
H (Hayır)
268
52,0388
162
31,4563
85
16,5049
Annenin Çalışma
E (Evet)
16
59,2593
4
14,8148
7
25,9259
Durumu
H (Hayır)
284
51,2635
175
31,5884
95
17,1480
E (Evet)
286
51,3465
171
30,7002
100
17,9533
H (Hayır)
14
58,3333
8
33,3333
2
8,3333
E (Evet)
255
50,7968
155
30,8765
92
18,3267
H (Hayır)
45
56,9620
24
30,3797
10
12,6582
Lise Türü
Doğum Yeri
Aylık Gelir
Kaldığı Yer
Kardeş Sayısı
Yaşı
Baba Mesleği
Cinsiyeti
Sağlık Sorunu
Anne Yaşıyor mu?
Baba Yaşıyor mu?
71
Çizelge 4.1 incelendiğinde not ortalamasına göre en başarılı kümenin 1. küme (not
ortalaması = 3.1591), en başarısız kümenin ise 2. küme (not ortalaması = 1.3688)
olduğunu söyleyebiliriz.
Çizelge 4.1’e istinaden, lise türüne göre kayıtların kümelere dağılımı Şekil 4.2’de
verilmiştir.
Lise türüne göre kayıtların kümelere dağılımı
60,0000
50,0000
%52,1073
%51,2500
%34,8659
40,0000
M (Meslek Lisesi)
%27,5000
30,0000
D (Diğer Lise)
%21,2500
%13,0268
20,0000
10,0000
0,0000
0(2.336)
1(3.1591)
2(1.3688)
Şekil 4.2. Lise türüne göre kayıtların kümelere dağılımı
Şekil 4.2 incelendiğinde meslek lisesinden mezun olan öğrencilerin 2. kümede
yoğunlaşma oranının diğer liselerden mezun olan öğrencilerden daha yüksek olduğu
görülmektedir. Aynı zamanda meslek lisesinden farklı bir liseden mezun olan
öğrencilerin 1. küme ve 0. kümede yoğunlaşma oranının meslek lisesinden mezun olan
öğrencilerden daha yüksek olduğu görülmektedir. Buna göre, meslek lisesinden mezun
olan öğrencilerin, diğer liselerden mezun olan öğrencilere göre başarı düzeyinin daha
düşük olduğunu söyleyebiliriz.
Çizelge 4.1’e istinaden, doğum yerine göre kayıtların kümelere dağılımı Şekil 4.3’de
verilmiştir.
72
Doğum yerine göre kayıtların kümelere dağılımı
60,0000
%53,2020%50,7937
50,0000
40,0000
%30,5419
A (Ağrı)
%30,9524
30,0000
D (Diğer)
%16,2562 %18,2540
20,0000
10,0000
0,0000
0(2.336)
1(3.1591)
2(1.3688)
Şekil 4.3. Doğum yerine göre kayıtların kümelere dağılımı
Doğum yerine göre öğrencilerin kümelere dağılımı incelendiğinde, kayıtların kümelere
dengeli bir şekilde dağıldığını söyleyebiliriz.
Çizelge 4.1’e istinaden, aylık gelire göre kayıtların kümelere dağılımı Şekil 4.4’de
verilmiştir.
Aylık gelire göre kayıtların kümelere dağılımı
100,0000
%81,8182
80,0000
%61,7284
%52,4752
60,0000
%47,0383
%34,8432
40,0000
%30,1980
%20,9877
%17,3267
%18,1185 %17,2840
20,0000
%9,0909
%9,0909
0,0000
0(2.336)
1(3.1591)
0-750 TL
751-1500 TL
1501-3000 TL
3000+ TL
2(1.3688)
Şekil 4.4. Aylık gelire göre kayıtların kümelere dağılımı
Şekil 4.4 incelendiğinde aylık geliri 0-750 TL arasında olan öğrencilerin 1. kümede
yoğunlaşma oranının daha yüksek olduğu görülmektedir. Bu da düşük gelirli aile
yapısına sahip öğrencilerin başarı oranının daha yüksek olduğunu gösterir.
73
Çizelge 4.1’e istinaden, kaldığı yere göre kayıtların kümelere dağılımı Şekil 4.5’de
verilmiştir.
Kaldığı yere göre kayıtların kümelere dağılımı
70,0000
60,0000
%60,2273
%51,8293
50,0000
%42,1053
40,0000
%42,1053
A (Ailemle)
Y (Yurtta)
%27,2727 %31,0976
30,0000
%15,7895%17,0732
%12,5000
20,0000
K (Kirada)
10,0000
0,0000
2(1.3688)
1(3.1591)
0(2.336)
Şekil 4.5. Kaldığı yere göre kayıtların kümelere dağılımı
Şekil 4.5’e göre yurtta kalan öğrencilerin 1. kümede yoğunlaşma oranının daha yüksek
olduğu görülmektedir. Bu durumda yurtta kalan öğrencilerin daha başarılı olduğunu
söyleyebiliriz.
Çizelge 4.1’e istinaden, kardeş sayısına göre kayıtların kümelere dağılımı Şekil 4.6’da
verilmiştir.
Kardeş sayısına göre kayıtların kümelere dağılımı
60,0000
50,0000
%55,3398
%54,6729
%47,7273
40,0000
%32,1970
30,0000
%33,1776
%22,3301
20,0000
0-3
%22,3301
%20,0758
%12,1495
10,0000
0,0000
0(2.336)
1(3.1591)
2(1.3688)
Şekil 4.6. Kardeş sayısına göre kayıtların kümelere dağılımı
4-6
7+
74
Şekil 4.6’ya göre kardeş sayısı 7 ve daha fazla olan öğrencilerin 1. kümede
yoğunlaşması, kalabalık aile yapısına sahip öğrencilerin başarı oranının daha yüksek
olduğunu gösterir.
Çizelge 4.1’e istinaden, yaşa göre kayıtların kümelere dağılımı Şekil 4.7’de verilmiştir.
Yaşa göre kayıtların kümelere dağılımı
%71,8750
80,0000
70,0000
60,0000
50,0000
40,0000
%54,7988
%35,2941
30,0000
20,0000
10,0000
0,0000
%52,9412
15-20
%44,9761
0(2.336)
21-30
%32,5077
%26,7943
%28,2297
%18,7500 %12,6935
%11,7647
%9,3750
1(3.1591)
31-35
35+
2(1.3688)
Şekil 4.7. Yaşa göre kayıtların kümelere dağılımı
Şekil 4.7 incelendiğinde yaşı 21-30 ile 31-35 arasında olan öğrencilerin en
başarılı(1.küme) kümede yoğunlaşma oranının diğer yaş gruplarına göre daha yüksek,
aynı zamanda bu yaş grubundaki öğrencilerin en başarısız(0.küme) kümede yoğunlaşma
oranının daha düşük olduğu görülmektedir. Bu durumda yaşı 21 ile 35 arasında olan
öğrencilerin daha başarılı olduğu söylenebilir.
Çizelge 4.1’e istinaden, baba mesleğine göre kayıtların kümelere dağılım Şekil 4.8’de
verilmiştir.
75
Babanın mesleğine göre kayıtların kümelere dağılımı
60,0000
50,0000
40,0000
%58,0000
%48,2456 %50,0000
%46,3415
%34,1463
%28,0702%32,0000
%23,6842
%22,0000
%20,0000
%19,5122
%18,0000
30,0000
20,0000
M (Memur)
E (Esnaf)
C (Çalışmıyor)
O (Özel Sektör)
10,0000
0,0000
1(3.1591)
0(2.336)
2(1.3688)
Şekil 4.8. Babanın mesleğine göre kayıtların kümelere dağılımı
Şekil 4.8 incelendiğinde 1. kümede babası çalışmayan veya özel sektörde çalışan
öğrencilerin yoğunlaşma oranının daha yüksek olması, bu profildeki öğrencilerin başarı
oranının daha yüksek olduğunu göstermektedir.
Çizelge 4.1’e istinaden, cinsiyete göre kayıtların kümelere dağılımı Şekil 4.9’da
verilmiştir.
Cinsiyete göre kayıtların kümelere dağılımı
60,0000
%50,7426
%53,6723
50,0000
40,0000
E (Erkek)
%30,9406 %30,5085
30,0000
%18,3168
%15,8192
20,0000
10,0000
0,0000
0(2.336)
1(3.1591)
Şekil 4.9. Cinsiyete göre kayıtların kümelere dağılımı
2(1.3688)
B (Bayan)
76
Şekil 4.9’a göre cinsiyete göre kayıtların dengeli bir şekilde kümelere dağıldığı
görülmektedir.
Çizelge 4.1’e istinaden, sağlık sorununa göre kayıtların kümelere dağılımı Şekil 4.10’da
verilmiştir.
Sağlık sorununa göre kayıtların kümelere dağılımı
60,0000
%52,0388
%48,4848
50,0000
40,0000
%31,4563
%25,7576
30,0000
E (Evet)
%25,7576
H (Hayır)
%16,5049
20,0000
10,0000
0,0000
0.(2.336)
1(3.1591)
2(1.3688)
Şekil 4.10. Sağlık sorununa göre kayıtların kümelere dağılımı
Şekil
4.10
incelendiğinde
sağlık
sorunu
olmayan
öğrencilerin
en
başarılı
kümede(1.küme) yoğunlaşma oranının daha yüksek olması ve en başarısız
kümede(2.küme) yoğunlaşma oranının daha düşük olması sağlık sorunu olmayan
öğrencilerin başarı oranının daha yüksek olduğunu gösterir.
Çizelge 4.1’e istinaden, annenin çalışma durumuna göre kayıtların kümelere dağılımı
Şekil 4.11’de verilmiştir.
77
Annenin çalışma durumuna göre kayıtların kümelere dağılımı
%59,2593
60,0000
%51,2635
50,0000
40,0000
%31,5884
30,0000
%14,8148
20,0000
%25,9259
%17,1480
E (Evet)
H (Hayır)
10,0000
0,0000
0.(2.336)
1(3.1591)
2(1.3688)
Şekil 4.11. Annenin çalışma durumuna göre kayıtların kümelere dağılımı
Annenin çalışma durumuna göre kayıtların kümelere dağılımını incelediğimizde, annesi
çalışmayan öğrencilerin 1. kümede yoğunlaşma oranının daha yüksek, 2 kümede ise
daha düşük olduğu görülmektedir. Bu durumda annesi çalışmayan öğrencinin başarı
oranının daha yüksek olduğunu söyleyebiliriz.
Çizelge 4.1’e istinaden, annenin hayatta olma durumuna göre kayıtların kümelere
dağılımı Şekil 4.12 ve babanın hayatta olma durumuna göre kayıtların kümelere
dağılımı ise Şekil 4.13’de verilmiştir.
78
Annenin hayatta olma durumuna göre kayıtların kümelere dağılımı
60,0000
%58,3333
%51,3465
50,0000
%33,3333
%30,7002
40,0000
30,0000
E (Evet)
%17,9533
20,0000
H (Hayır)
%8,3333
10,0000
0,0000
0.(2.336)
1(3.1591)
2(1.3688)
Şekil 4.12. Annenin hayatta olma durumuna göre kayıtların kümelere dağılımı
Babanın hayatta olma durumuna göre kayıtların kümelere dağılımı
60,0000
%56,9620
%50,7968
50,0000
40,0000
E (Evet)
%30,8765%30,3797
30,0000
%18,3267
%12,6582
20,0000
H (Hayır)
10,0000
0,0000
0.(2.336)
1(3.1591)
2(1.3688)
Şekil 4.13. Babanın hayatta olma durumuna göre kayıtların kümelere dağılımı
Şekil 4.12 ve Şekil 4.13 incelendiğinde anne veya babanın hayatta olma durumuna göre
kayıtların kümelere dengeli bir şekilde dağıldığını söyleyebiliriz.
Çalışmada hazırlanan veri kümesi DBScan algoritmasına uygulandığında Şekil
4.14’deki sonuç elde edilmiştir:
79
Şekil 4.14. DBScan algoritmasının WEKA çıktısı
DBScan algoritmasında  ve MinNs değerleri değiştirilerek çeşitli sonuçlar elde
edilmiş sonuçlardan biri Şekil 4.14’de verilmiştir. Sonuçlara bakıldığında verinin 3
kümeye ayrıldığı; %74,6987’sini 0. kümeye, %0,6884’nü 1. ve 2. kümelere dağıtıldığı,
%23,9242’sinin ise kümeler dışında kaldığı görülmüştür. Veriler DBScan algoritması
incelendiğinde, algoritmanın eldeki veriye uygun olmadığı görülmüştür.
80
Çalışmada hazırlanan veri kümesi OPTICS algoritmasına uygulandığında Şekil
4.15’deki sonuç elde edilmiştir.
Şekil 4.15. OPTICS algoritmasının WEKA çıktısı
OPTICS
algoritmasının
sonucu
incelendiğinde
hazırlanan
verinin
çoğunun
tanımlanmamış (Undefined) veri olarak kümelendiği görülmektedir. Bu da OPTICS
algoritmasının çalışmada kullanılan veriye uygun olmadığını göstermektedir.
81
5. SONUÇ
Teknolojinin gelişmesi ile birlikte veri ambarlarında artan verinin bir yığın halinde
tutulması bir anlam ifade etmezken, veri madenciliği modelleri kullanılarak bu veri
yığınından anlamlı sonuçlar elde edilmiştir. Bu çalışmada veri madenciliği sürecinde
yapılması gerekenler ele alınmış; veri madenciliği modellerinden sınıflandırma,
birliktelik kuralları, regresyon modelleri incelenerek kümeleme modelleri üzerinde
detaylı bir şekilde durulmuş ve Meslek Yüksekokullarında eğitim gören öğrencilerin
başarı düzeylerini etkileyen faktörler, veri madenciliği kümeleme teknikleri kullanılarak
incelenmiştir.
Meslek Yüksekokulları, çeşitli mesleklerde eğitimli, başarılı ve kaliteli bireyler
yetiştirmek amacıyla kurulmuş eğitim kurumlarıdır. Günümüzde şirketlerin artmasıyla
ara eleman ihtiyacı giderek artmakta, bu nedenle Meslek Yüksekokullarına büyük görev
düşmektedir. Daha kaliteli ve başarılı öğrenciler yetiştirmek amacıyla veri madenciliği
kümeleme teknikleri kullanılarak öğrencilerin başarılarını etkileyebilecek faktörler
incelenmiş ve çeşitli sonuçlar bulunmuştur. Bu faktörler göz önünde bulundurularak
daha başarılı bireyler yetiştirilebilir.
Örneklem olarak alınan Meslek Yüksekokulu verileri SQL ve T-SQL kodları yardımı
ile temizleme, dönüştürme işlemleri ile istenen formata dönüştürüldükten sonra, WEKA
programı bünyesindeki kümeleme teknikleri ile modellenmiştir. Tez kapsamında
kümeleme tekniklerinden K-Means, DBScan ve OPTICS algoritmaları kullanılmıştır.
K-Means algoritmasının sonucu incelendiğinde:
1. Meslek lisesinden farklı bir liseden mezun olan öğrencilerin daha başarılı olduğu,
2. Yurtta kalan öğrencilerin daha başarılı olduğu,
3. Ailesinin aylık geliri 0-750 TL arasında olan öğrencilerin başarı oranının daha
yüksek olduğu,
82
4. 7 veya daha fazla kardeşe sahip öğrencilerin daha başarılı olması, kalabalık aile
yaşamının öğrenciye daha fazla sorumluluk getirdiği,
5. 21 ile 35 yaş arasında olan öğrencilerin başarı oranının daha yüksek olduğunun
görülmesi belli bir olgunluğa gelmiş öğrencinin hayata bir an önce atılmak amacıyla
daha fazla çalıştığı,
6. Sağlık sorunu olmayan öğrencilerin başarı oranının daha yüksek olduğu,
7. Annesi çalışmayan öğrencinin başarı oranının daha yüksek olduğu,
8. Diğer özelliklerde ise dengeli bir dağılım olduğu sonuçlarına varılmıştır.
Sonuç olarak yaptığımız çalışmada, uygulamada kullandığımız veri setine K-Means,
DBScan ve OPTICS algoritmaları uygulanmıştır. K-Means algoritması olumlu sonuçlar
vermiş, DBScan ve OPTICS algoritmalarında herhangi bir sonuca varılamamıştır. Bu
durumda K-Means algoritmasının daha iyi sonuç vermesi eldeki veriler işlenirken bu
algoritmanın kullanılmasının, daha uygun olacağını akla getirmektedir.
83
KAYNAKLAR
Agrawal, R., Johannes, G., Dimitrios, G. and Prabhakar, R., 1998. Automatic Subspace
Clustering of High Dimensional Data for Data Mining Applications. ACM
SIGMOD Int. Conf. on Managment of Data, Seattle.
Akgöbek, Ö. ve Çakır, F., 2009. Veri Madenciliğinde Bir Uzman Sistem Tasarımı.
Akademik Bilişim’09 - XI. Akademik Bilişim Konferansı Bildirileri. Şanlıurfa.
Akın, Y. K., 2008. Veri Madenciliğinde Kümeleme Algoritmaları ve Kümeleme
Analizi. Doktora Tezi, Sosyal Bilimler Enstitüsü, Marmara Üniversitesi,
İstanbul.
Akpınar, H., 2000. Veri Tabanlarında Bilgi Keşfi ve Veri Madenciliği. İ.Ü. İşletme
Fakültesi Dergisi, 29 (1), 1-22.
Albayrak, A. S. ve Yılmaz, Ş. K., 2009. Veri Madenciliği: Karar Ağaçları
Algoritmaları ve İMKB Verileri Üzerine Bir Uygulama. Süleyman Demirel
Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14 (1), 31-52.
Albayrak, M., 2008. EEG Sinyallerindeki Epileptiform Aktivitenin Veri Madenciliği
Süreci ile Tespiti. Doktora Tezi, Sakarya Üniversitesi Fen Bilimleri Enstitüsü,
Sakarya.
Ankerst, M., Breunig , M. M., Hans-Peter, K. and Sander, J., 1999. OPTICS: Ordering
Points To Identify the Clustering Structure. ACM SIGMOD’99 Int. Conf. on
Management of Data, Philadelphia.
Argüden, Y. ve Erşahin, B., 2008. Veri Madenciliği Veriden Bilgiye, Masraftan
Değere. Alkim Kağıt San. ve Tic. A.Ş., 72 s, İstanbul.
Babadağ, K. K., 2006. Veri Madenciliği Yaklaşımı ve Veri Kalitesinin Artması için
Kullanılması. İstatistik Araştırma Sempozyumu, Ankara.
Baykal, A., 2006. Veri Madenciliği Uygulama Alanları. D. Ü. Ziya Gökalp Eğitim
Fakültesi Dergisi, 7, 95-107.
Baykasoğlu, A., 2005. Veri Madenciliği ve Çimento Sektöründe Bir Uygulama.
Akademik Bilişim Konferansı, Gaziantep.
Bozkır, A. S., Sezer, E. ve Gök, B., 2009. Öğrenci Seçme Sınavında (ÖSS) öğrenci
Başarımını Etkileyen Faktörlerin Veri Madenciliği Yöntemleriyle Tespiti. 5.
Uluslararası İleri Teknolojiler Sempozyumu (IATS’09), Karabük.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. and
Wirth, R., 2000. CRISP-DM 1.0: Step-by-step data mining guide. SPSS Inc., 76
p, USA.
Çalışkan, S. B., 2008. K´KNN: Kümeleme ve K En Yakın Komsu Yöntemi İle Ağlarda
Nüfuz Tespiti. Y.Lisans Tezi, Gebze İleri Teknoloji Enstitüsü Mühendislik ve
Fen Bilimleri Enstitüsü, Gebze.
Çankırı, S., Kartal, E., Yıldırım, K., ve Gülseçen, S., 2011. Organizasyonlarda Bilgi
Yönetimi Sürecinde Veri Madenciliği Yaklaşımı. Bilgi Çağında Varoluş:
“Fırsatlar ve Tehditler” Sempozyumu: Bildiriler Kitabı, Ed: A. Yıldızeli, A.
Arıkan, T. Çakmak, Yeditepe Üniversitesi, İstanbul, 148-167.
Çoban, A., 2006. İmalat Sanayisinde Veri Madenciliği Uygulaması. Doktora Tezi,
Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya.
84
Demiralay, M. ve Çamurcu, A. Y., 2005. Cure, Agnes ve K-Means Algoritmalarındaki
Kümeleme Yeteneklerinin Karşılaştırılması. İstanbul Ticaret Üniversitesi Fen
Bilimleri Dergisi, 8, 1-18.
Dener, M., Dörterler, M. ve Orman, A. 2009. Açık Kaynak Kodlu Veri Madenciliği
Programları: WEKA’da Örnek Uygulama.
Akademik Bilişim’09 - XI.
Akademik Bilişim Konferansı Bildirileri, Şanlıurfa.
Dinçer, E., 2006. Veri Madenciliğinde K-Means Algoritması ve Tıp Alanında
Uygulanması. Y.Lisans Tezi, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü,
Kocaeli.
Doğan, S., Özyolu, F. ve Köseoğlu, B., 2010. CLARA ve CLARANS Algoritmaları.
http://www.mcilmgoc.com/mgocmen37/verimadenciligi/Clara&Clarans.pdf
(18.10.2012).
Dondurmacı, G., 2011. Veri Madenciliği’nde Regresyon Ağaçları İle Sınıflandırma Ve
Bir Uygulama. Doktora Tezi, Mimar Sinan Güzel Sanatlar Üniversitesi Fen
Bilimleri Enstitüsü, İstanbul.
Durmuş, M. S. ve İplikçi, S., 2007. Veri Kümeleme Algoritmalarının Performansları
Üzerine Karşılaştırmalı Bir Çalışma. Akademik Bilişim’07 - IX. Akademik
Bilişim Konferansı Bildirileri, Kütahya.
Erdoğan, Ş. Z., 2004. Veri Madenciliği ve Veri Madenciliğinde Kullanılan K-Means
Algoritmasının Öğrenci Veri Tabanında Uygulanması. Y. Lisans Tezi, İstanbul
Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
Ester, M., Kriegel, H. P., Sander, J. and Xu, X., 1996. A Density-Based Algorithm for
Discovering Clusters in Large Spatial Databases with Noise. 2nd International
Conference on Knowledge Discovery and Data Mining, München.
Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P. 1996. From Data Mining to
Knowledge Discovery in Databases. AI Magazine, 17 (3), 37-54.
Giannotti, F. and Pedreschi, D.,2008. Mobility, Data Mining and Privacy. Springer, 410
s, Pisa, Italy.
Gözüdeli, Y., 2012. Yazılımcılar için SQL Server 2012 ve Veritabanı Programlama.
Seçkin Yayınları, 688 s, Ankara.
Gürsoy, U. T. Ş., 2009. Veri Madenciliği ve Bilgi Keşfi. Pegem Akademi Yayınları,
174 s, Ankara.
Gürsoy, U. T. Ş., 2011. Uygulamalı Veri Madenciliği Sektörel Analizler. Pegem
Akademi Yayınları, 126 s, Ankara.
Han, J. and Kamber , M., 2006. Data Mining: Concepts and Techniques. Morgan
Kauffmann, 743 p, San Francisco.
Hinneburg, A. and Keim, D. A., 1998. An Efficient Approach to Clustering in Large
Multimedia Databases with Noise. Proceedings of the 4th International
Conference on Knowledge Discovery and Datamining (KDD'98), New York.
Çelebi, Ö. F., 2011. Yazılım Deneyimleri. www.omerfarukcelebi.com/?p=89 (15.10.
2012)
Işık, M. ve Çamurcu, A. Y., 2008. Web Belgeleri Kümelemede Benzerlik ve Uzaklık
Ölçütleri Başarılarının Karşılaştırılması. Marmara Üniversitesi Fen Bilimleri
Enstitüsü Dergisi, 20 (1), 35-49.
İşler, Y. ve Narin, A., 2012. «WEKA Yazılımında k-Ortalama Algoritması Kullanılarak
Konjestif Kalp Yetmezliği Hastalarının Teşhisi. SDU Teknik Bilimler Dergisi 2
(4), 21-29.
85
Kavurkacı, Ş., Aydın, Z. G. ve Şam, R., 2011. Büyük Ölçekli Veri Tabanlarında Bilgi
Keşfi. Akademik Bilişim’11 - XIII. Akademik Bilişim Konferansı Bildirileri,
Malatya.
Kaya , E., Bulun, M. ve Arslan, A. Tıpta Veri Ambarları Oluşturma ve Veri Madenciliği
Uygulamaları. ab.org.tr/ab03/tammetin/96.doc (14.10.2012).
Koyuncugil, A. S. ve Özgülbaş, N., 2009. Veri Madenciliği: Tıp ve Sağlık
Hizmetlerinde Kullanımı. Bilişim Teknolojileri Dergisi, 2 (2), 21-32.
Kuo, R. J., Ho, L.M. and Hu, C. M., 2002. Integration Of Self-Organizing Feature
Map and K-Means Algorithm for Market Segmentation. Computers &
Operations Research, 29 (11), 1475-1493.
Larose, D. T. 2006. Data Mining Methods and Models. John Wiley & Sons, Inc., 340 p,
New Jersey.
Mitra, S. and Acharya, T., 2003. Data Mining - Multimedia, Soft Computing and
Bioinformatics. A John Wiley & Sons, Inc., 424 p, New Jersey.
Ng, R. T. and Han, J., 1994. Efficient and Effective Clustering Methods for Spatial Data
Mining. Proceedings of the 20th VLDB Conference, Santiago.
Oğuzlar, A., 2003. Veri Ön İşleme. Erciyes Üniversitesi İktisadi ve İdari Bilimler
Fakültesi Dergisi, 21, 67-76.
Özdamar, E. Ö., 2002. Veri Madenciliğinde Kullanılan Teknikler ve Bir Uygulama. Y.
Lisans Tezi, Mimar Sinan Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
Özekes, S., 2003. Veri Madenciliği Modelleri ve Uygulama Alanları. İstanbul Ticaret
Üniversitesi Dergisi, 2 (3), 65-82.
Özkan, Y., 2013. Veri Madenciliği Yöntemleri. Papatya Yayınları, 216 s, İstanbul.
Özmen, Ş., 2003. Marmara University Department of Business Administration
Konferanslar. Http://mimoza. marmara.edu.tr/ ~sozmen/ konferanslar.php (8.11.
2012).
Özseven, T., 2010.Veritabanı Yönetim Sistemleri II. Murathan Yayınları, 351 s,
Trabzon.
Sever, H. ve Oğuz, B. 2002. Veri Tabanlarında Bilgi Keşfine Formel Bir Yaklaşım
Kısım I: Eşleştirme Sorguları ve Algoritmalar. Bilgi Dünyası, 3 (2), 173-204.
Silahtaroğlu, G., 2008. Kavram ve Algoritmalarıyla Temel Veri Madenciliği. Papatya
Yayınları, 174 s, İstanbul.
Şeker, Ş. E., 2008. K-Ortalama Algoritması (K-Means Algorithm).
http://www.bilgisayarkavramlari.com/2008/12/15/k-ortalama-algoritmasi-KMeans-algorithm/ (25.9. 2012).
Şentürk, A., 2006. Veri Madenciliği Kavram ve Teknikler. Ekin Yayınları, 114 s, Bursa.
Tapkan, P., Özbakır, L. ve Baykasoğlu, A., 2011. WEKA ile Veri Madenciliği Süreci
ve Örnek Uygulama. Endüstri Mühendisliği Yazılımları ve Uygulamaları
Kongresi, İzmir.
Vahaplar, A. ve İnceoğlu, M. M., 2001. Veri Madenciliği ve Elektronik Ticaret. VII.
Türkiye’de İnternet Konferansı, İstanbul.
Wang, W., Yang, J. and Muntz, R., 1997. Sting: A Statistical Information Grid
Approach to Spatial Data Mining. Proceedings of the 23rd VLDB Conference,
Athens.
Yazıcı, F., 2005. EM Algoritması ve Uzantıları. Y. Lisans Tezi, Hacettepe Üniversitesi
Fen Bilimleri Enstitüsü, Ankara.
86
Yılmaz, Ş. K. ve Patır, S., 2011. Kümeleme Analizi ve Pazarlamada Kullanımı.
Akademik Yaklaşımlar Dergisi, 2 (1), 91-113.
Zaïane, O. R., 1999. Chapter I: Introduction to Data Mining. University of Alberta,
http://webdocs.cs.ualberta.ca/~zaiane/courses/cmput690/notes/Chapter1/ch1.pdf
(7.10.2012).
ÖZGEÇMİŞ
Kişisel Bilgiler
Soyadı, adı: ÇELİK, Gaffari
Uyruğu: T.C.
Doğum tarihi ve yeri: 1982 / Merkez-Adıyaman
Medeni hali: Evli
e-mail: gaffari02@yahoo.com
Eğitim
Eğitim Birimi
Mezuniyet tarihi
Derece
Yüksek Lisans
Atatürk Üniversitesi/Fen Bilimleri
Enstitüsü/Bilgisayar Mühendisliği
2013
Anabilim Dalı
Lisans
Mersin
Üniversitesi/
Bilgisayar
2005
Mühendisliği Bölümü
Lise
Yabancı Dil
İngilizce
Adıyaman Atatürk Lisesi
1999