Makine öğrenme algoritmaları ile web siteleri tıklamalarının analizi

Abstract

Bu tez çalışmasında, Türkiye'de yaygın olarak tıklanan web sitelerinin istatistiksel verileri kullanılarak, makine öğrenme algoritmaları ile analizi yapılmıştır. Elde edilen veriler üzerinde makine öğrenmesinin başarısının nasıl gerçekleştiği, bu veriler arasında web sitesi trafiğindeki en belirleyici parametreler tespit edilmiştir. Bu tespitler, hem gözetimli öğrenme algoritmalarından Naive Bayes, Bayes Ağı, K En Yakın Komşu, Destek Vektör Makinesi, ID3 ve C4.5 algoritmaları ile hem de gözetimsiz öğrenme algoritmalarından K-means ve Hiyerarşik Kümeleme algoritmaları ile gerçekleştirilmiştir. Eğitim-test, çapraz doğrulama gibi farklı seçeneklerle ayrıntılı olarak incelenen bu algoritmaların birbirine göre başarı ve performans kıyaslaması yapılarak web siteleri tıklamaları analizi üzerindeki uygun ve uygun olmayan algoritmalar belirlenmiştir.Ayrıca, gözetimsiz öğrenme algoritmaları kullanılarak web sitelerinin kümelendirilmesi gerçekleştirilmiştir. Web sitelerinin türü ve özelliklerinin, ziyaretçilerin tıklama üzerine davranışlarının nasıl değiştiği üzerinde yorumlar ve değerlendirmelere yer verilmiştir.

In the work presented, statistical data of web sites which are the most common clicked in Turkey are analyzed with machine learning algorithms. For website traffic, the most decisive parameters of this statistical data are identified. Both some supervised learning algorithms like Naive Bayes, Bayesian Network, K Nearest Neighborhood, Support Vector Machines, ID3, C4.5 algorithms and some unsupervised learning algorithms like K-Means, Hierarchical Clustering algorithms are used for these determinations. These algorithms are investigated with different options like training ?test, cross validation and performance and success of these algorithms are compared to each other, for the websites clicks analysis appropriate and inappropriate algorithms are selected.Also, using unsupervised learning algorithms websites are clustered. This study include reviews and assessments about effect of type and characteristics of websites on visitor?s click behavior.