Ekonometride büyük veri ve makine öğrenmesi : temel kavramlar
tarafından
 
Akay, Ebru Çağlayan.

Başlık
Ekonometride büyük veri ve makine öğrenmesi : temel kavramlar

Yazar
Akay, Ebru Çağlayan.

ISBN
9789753536035

Yazar Ek Girişi
Akay, Ebru Çağlayan.

Seri
Der Yayınları ; 0288.

İçerik
BÖLÜM 1: BÜYÜK VERİ VE EKONOMETRİ -- 1.1. Büyük Veri Kavramı -- 1.2. Büyük Verinin Sınıflandırılması -- 1.2.1. Yapılandırılmış Veriler -- 1.2.2. Yapılandırdınamış Veriler -- 1.2.3. Yarı Yapılandırılmış Veriler -- 1.3. Büyük Verinin Özellikleri 5 1.3.1. Büyük Verinin 6V Özelliği -- 1.3.2. Diğer Özellikler -- 1.4. Büyük Veri ve Boyut Kavramı -- 1.5. Büyük Verinin Avantajları 9 1.6. Büyük Verinin Zorlukları -- 1.7. Büyük Veri ve İstatistik -- 1.7.1. Örnekleme -- 1.7.2. Korelasyon ve Nedensellik -- 1.8. Ekonometride Büyük Verinin Yeri -- BÖLÜM 2: MAKİNE ÖĞRENMESI VE EKONOMETRİ -- 2.1. Makine Öğrenmesi Kavramı -- 2.2. Makine Öğrenmesinin Çeşitleri -- 2.2.1. Denetimli Öğrenme -- 2.2.2. Denetimsiz Öğrenme -- 2.3. Makine Öğrenmesi ve İstatistik -- 2.4. Ekonometride Makine Öğrenmesinin Yeri -- BÖLÜM 3: R PROGRAMININ YÜKLENMESİ ve VERINİN HAZIRLANMA SÜRECİ -- 3.1. R Programında Temel işlemler -- 3.1.1. R Programında Paketleri Yükleme ve Kütüphanelere Ulaşma -- 3.1.2. R Programında Veri ve Değişkenler -- 3.1.3. Grafikler -- 3.1.4. Temel İstatistiklerin Elde Edilmesi -- 3.1.5. Verinin Eğitim Verisine ve Test Verisine Ayrılması -- 3.2. Veri Ön Hazırlığı Taslağı -- 3.3. Kitapta Kullanılan R Paketleri -- 3.3.1. Rassal Sayıların Üretilmesi -- 3.3.2. Kalıcı Rassal Sayıların Oretilmesi -- 3.4. Kitapta Kullanılan R paketleri -- BÖLÜM 4: DOĞRUSAL REGRESYON -- 4.1. Basit Doğrusal Regresyon -- 4.1.1. Basit Regresyonda Parametre Tahmini -- 4.1.2. Basit Regresyonda Parametre Tahmincilerinin Testi -- 4.2. Çoklu Doğrusal Regresyon -- 4.2.1. Çoklu Regresyonda Parametre Tahmini -- 4.2.2. Çoklu Regresyonda Parametre Tahmincilerinin Testi -- BÖLÜM 5: YENİDEN ÖRNEKLEME YÖNTEMLERI-- 5.1. Çapraz Geçerlilik Yöntemi -- 5.1.1. Dışarıda Bırakma -- 5.1.2. k-Katlamalı Çapraz Geçerlilik -- 5.2. Bootstrap Yöntemi -- BÖLÜM 6: MODEL SEÇİMİ -- 6.1. Sapma Varyans Dengesi -- 6.2. Tüm modellerin Incelenmesi -- 6.3. Alt Regresyon Setlerinin Oluşturulması -- 6.4. Model Seçim Kriterleri -- 6.4.1. Düzeltilmiş Belirlilik Katsayısı -- 6.4.2. Mallow'un Cp Kriteri -- 6.4.3. Bayesyen Bilgi Kriteri -- 6.5. Adımsal Regresyon Yöntemleri -- 6.5.1. ileriye Doğru Seçme Yöntemi -- 6.5.2. Geriye Doğru Eleme -- 6.5.3. Adımsal Seçim Yöntemi -- BÖLÜM 7: DARALTICI REGRESYON -- 7.1. Ridge Regresyonu -- 7.2. LASSO -- 7.3. Elastik Ağ Regresyon -- 7.4. En Küçük Açı Regresyonu -- BÖLÜM 8: DOĞRUSAL OLMAYAN REGRESYON-- 8.1. Doğrusal Olmama -- 8.2. Polinomiyal Regresyon -- 8.3. Parçalı Doğrusal Regresyon -- BÖLÜM 9: PARAMETRİK OLMAYAN REGRESYON-- 9.1. Parametrik Olmayan Regresyonun Amacı -- 9.2. Kernel Regresyon -- 9.3. Spline Regresyon -- 9.4. Yerel Polinomiyal Regresyon -- 9.5. Genelleştirilmiş Toplamsal Modeller -- BÖLÜM 10: REGRESYON AĞAÇLAR'-- 10. I . Regresyon Ağaçları Yönteminin Uygulanışı -- 10.2. Rassal Orman -- 10.3. Topluluk Öğrenmesi -- 10.3.1. Torbalaına Yöntemi -- 10.3.2. Artırma Yöntemi-- BÖLÜM 11: YÜKSEK BOYUTLULUK ve LASSO TİP' MODELLER -- 11.1. Yüksek Boyutluluk Kavramı ve Yüksek Boyutlu Veri Problemleri -- 11.2. Yüksek Boyutlu Modeller -- 11.3. Yüksek Boyutluluk ve Klasik LASSO Modeli -- 11.4. Uyarlanabilir LASSO -- 11.5. Karekök LASSO -- 11.6. Post-LASSO -- 11.7. Elastik Ağ Regresyonu -- 11.8. Uyarlanabilir Elastik Ağ -- BÖLÜM 12: ZAMAN SERİLERİNİN TAHMİNİNDE MELEZ YÖNTEMLER -- 12.1. Zaman Serisi Kavramı -- 12.2. ARIMA Modeli -- 12.3. Hibrit Yöntemler -- \Ilim I2 VERİ SET3.1. ARIMA-Destek Vektör Regresyon ve ARIMA-Rassal Orman -- 1 12.3.2. Destek Vektör Regresyon- ARIMA ve Rassal Orman-ARIMA

Özet
Günümüzde büyük veri ve makine öğrenmesi algoritmaları yardımı ile elde edilecek sosyal ve ekonomik sonuçlara karşı ilgi giderek artmaktadır. Bunun nedeni olarak, sürekli bilgi üretilen çağımızda, büyük verilerin sosyal dünya hakkında önemli bilgi kaynağı olması gösterilebilir. Pek çok alanda yaygın kullanılmaya başlanan büyük veri ve makine öğrenmesi analizleri, kapsamı ve amacı farklı olmasına rağmen son yıllarda ekonometri alanında da dikkat çekmeye başlamıştır. Makine öğrenmesi algoritmalarının sosyal bilimler alanında kullanılması haklı olarak özellikle nedensellik açısından eleştiriler almaktadır. Son yıllarda bu alanda yapılan teorik ekonometrik çalışmalar incelendiğinde, bunların temel noktalarının makine öğrenmesi algoritmalarında nedensellik özelliğinin ele alınması üzerine olduğu görülmektedir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından yararlanmak ve bu algoritmaları ekonometrik yöntemlerle birleştirmek, karmaşık olguları modellemek, analiz etmek ve zengin bilgi kaynaklarını sosyal bilimler için incelenecek modellere dahil etmek incelenen konu hakkında daha fazla bilgi edinilmesini sağlayabilir. Ekonometrik analizlerde büyük veri ve makine öğrenmesi algoritmalarından fayda sağlayabilmek için büyük veri kavramının net olarak ortaya konulması, diğer veri türlerinden farklılığının ele alınması, uygulamalarda bu tür veri kullanmanın avantaj ve zorluklarının detaylı olarak incelenmesi, makine öğrenmesi algoritmalarının amacı, hedefleri ve kullanılma şekillerinin iyi anlaşılması oldukça önemlidir. Bu kitapta büyük veri ve makine öğrenmesi ile ilgili temel kavramlar ele alınmıştır. Regresyon açısından denetimli makine öğrenmesi yöntemleri incelenmiş, sınıflandırma yöntemleri çalışma dışı bırakılmıştır. Doğrusal, Daraltıcı, Doğrusal Olmayan, Parametrik Olmayan Regresyon ve Regresyon Ağaçları konuları kitapta yer almaktadır. Son bölümlerde ise Yüksek Boyutlu Modeller ve Hibrid Modeller kısaca ele alınmıştır. Ekonometride büyük veri ve makine öğrenmesine giriş niteliğinde olan bu kitapta açıklanan makine öğrenmesi yöntemlerinin çoğunun R programı uygulamaları basit örneklerle açıklanmıştır. (Tanıtım Bülteninden)

Konu Başlığı
Econometrics.
 
Ekonometri.


LibraryMateryal TürüDemirbaşYer NumarasıDurumu / Lokasyon / İade Tarihi
Ekonomi KütüphanesiKitapEKOBKN0012168330.015195 AKA 2020Eskişehir Yolu Yerleşkesi Genel Koleksiyon