ÖzBorsa İstanbul 100 (BIST-100) endeksi, diğer büyük dünya endeksleri ile birlikte finans piyasalarının küreselleşme değişiminin bir parçası olmuştur. Endeksler arasındaki ilişkinin analizi yatırımcılara büyük avantajlar sağlayacaktır. Bu durumdan yola çıkarak çeşitli makine öğrenmesi algoritmaları ile büyük dünya endeksleri ve bazı makroekonomik göstergeler kullanılarak BIST-100 endeksinin değişim yönünün (artış-azalış) sınıflandırılması amaçlanmıştır. Bu amaç doğrultusunda BIST-100 endeksinin değişim yönünün sınıflandırmasında etkin rol oynayan değişkenler belirlenmiş ve belirlenen bu değişkenler yardımıyla sınıflandırma başarılarında değişim olup olmadığı incelenmiştir. Tüm değişkenler ile yapılan sınıflandırmada lojistik regresyonun %70,6; öznitelik seçimi ile yapılan sınıflandırmada da Destek Vektör Makinesi PUK çekirdeği algoritmasının %71,9 daha doğru sınıflandırma başarısı gösterdiği belirlenmiştir. Böylelikle daha az sayıda değişken ile daha yüksek sınıflandırma başarısı elde edilmiştir.
Günlük hasta sayısı, Google topluluk hareket raporları, Negatif binom regresyon analizi. Özet: Dünyayı etkisi altına alan yeni tip koronavirüs (Covid-19) salgınından dolayı sosyal mesafe ve hareketliliğin azaltılması en önemli tedbirler olarak uygulanmaktadır. Dünya genelinde daha az hareketliliğin daha düşük Covid-19 vaka ve hasta sayıları ile ilişkili olduğunu göstermektedir. Özellikle ülkemizde Covid-19 vaka ve hasta sayılarında; kısmen ya da tam kapanmalar ile düşüş, kademeli ya da tam normalleşme adımları ile de artış gözlemlenmiştir. Bu çalışmada, Türkiye Covid-19 günlük hasta sayısı ile Türkiye Google topluluk hareket raporları arasındaki ilişkinin ortaya konulması amaçlanmıştır. Betimleyici ve ilişki arayıcı türde gerçekleştirilmiş olan araştırma da Türkiye'de ilk Covid-19 hastasının görüldüğü 11 Mart 2020 ile 11 Mart 2021 tarihleri arasındaki bir yıllık verilerden yararlanılmıştır. Araştırmadan elde edilen verilerin değerlendirilmesinde, betimsel istatistikler ve negatif binom regresyon analizi kullanılmıştır. Analiz sonuçlarına göre insan hareketliliğin artması hasta sayısının artmasına neden olduğu gibi konutlardaki hareketliliğinde yine hasta sayısına pozitif etki yaptığı bulunmuştur.
PISA 2015 mathematical literacy score of Turkey is 420 while the average score of all countries is 461. It is understood that; Turkish students’ PISA 2015 mathematical literacy score was lower than the average. The basic reasons for the below average score need to be truly examined and developmental activities should be revealed. The aim of this study is to classify students according to the factors affecting their mathematical literacy score and to reveal the effects of these factors in classification.The data of the study is obtained from 5895 students who participated in PISA 2015. In this study, we used Random Forest, Naïve Bayes Classifier, Logistic Regression, Decision Tree Algorithm and Discriminant Analysis as classifiers. According to the results, Random Forest method produced more accurate scores than other methods with 76.32% accuracy. We also calculated the correct classification rate and determined the factors that positively and negatively affect the classification with discriminant analysis. According to the discriminant analysis home possessions, information and computer technology resources at home and students' expected occupational status were the most positive effective variables on mathematical literacy score. On the other hand, family wealth possessions, student-related factors affecting school climate and anxiety have negative effect on mathematical literacy score.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.