Ar-Ge Teşviklerine Yönelik Sınıflandırma Problemleri için Çok Kriterli Karar Verme Yöntemleriyle Uzlaşık Karar Verme Nasıl Sağlanır?

Authors : Gözde Ulu Metin, Özlem Türkşen
Pages : 878-896
Doi:10.53433/yyufbed.1731123
View : 225 | Download : 290
Publication Date : 2025-12-24
Article Type : Research Paper
Abstract :Çok Kriterli Karar Verme (ÇKKV) yöntemleri, veri keşfi sürecinin ilk adımından son adımına kadar her aşamada karar destek sistemlerinde aktif rol oynayan bilimsel yaklaşımları içerir. Bu çalışmada, ÇKKV yöntemleri, sınıflandırma problemlerinde makine öğrenmesi algoritmaları ile elde edilen sonuçların değerlendirilmesinde uzlaşık çözüm elde edilmesi amacıyla uygulanmıştır. Veriye ait her bir özellik farklı önem düzeylerine sahip olduğundan bu özelliklerin ağırlıklandırılmasında da ÇKKV yöntemleri kullanılmaktadır. Buna göre, çalışmada, özellik ağırlıklandırması amacıyla AHP, Entropi ve CRITIC yöntemleri kullanılmıştır. Ayrıca, ağırlıklandırılmış verinin sınıflandırılması amacıyla Lojistik Regresyon, k-En Yakın Komşu algoritması, Destek Vektör Makineleri ve Rasgele Orman makine öğrenmesi sınıflandırma algoritmaları uygulanmıştır. Sınıflandırma algoritmalarının performansının değerlendirilmesi için Doğruluk, Kesinlik, Duyarlılık, F1-Skor ve AUC gibi çeşitli performans ölçütleri kullanılmıştır. Bu ölçütler kriter olarak kabul edilerek bir karar matrisi oluşturulmuştur. Her bir kriter, IDOCRIW yöntemi ile ağırlıklandırılmıştır. Uygulanan sınıflandırma yöntemlerinin sıralamaları, TOPSIS, EDAS, CODAS ve MABAC gibi çeşitli ÇKKV yöntemleri ile hesaplanmıştır. Uygulama kapsamında Ar-Ge teşvikleri alanından bir sınıflandırma problemi ele alınmıştır. Tüm hesaplamalar Python 3.11.3. PyDecision kütüphanesi kullanılarak gerçekleştirilmiş ve elde edilen sonuçlar ayrıntılı biçimde analiz edilip tartışılmıştır. AHP, Entropi ve CRITIC yöntemleri ile ağırlıklandırılmış sınıflandırma algoritmalarının performansları farklı ÇKKV yöntemleri ile sıralandığında elde edilen tüm sonuçlarda Rasgele Orman algoritmasının öncelikli tercih edildiği, k-En Yakın Komşu algoritmasının son sırada tercih edilebileceği bilgisine ulaşılmıştır.
Keywords : Ar-Ge Teşvikleri, Çok Kriterli Karar Verme (ÇKKV) Yöntemleri, Makine Öğrenmesi Sınıflandırma Algoritmaları, Performans Ölçütleri, Sınıflandırma Problemi

ORIGINAL ARTICLE URL