Veri madenciliği algoritmaları ile birliktelik kurallarının belirlenmesi: Perakende sektöründe bir uygulama

Basit Öğe Kaydı
dc.contributor.advisorAyvaz, Berk
dc.contributor.authorSağın, Ayşe Nur
dc.date.accessioned2024-10-10T18:25:30Z
dc.date.available2024-10-10T18:25:30Z
dc.date.issued2018
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalıen_US
dc.descriptionFen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractMarket sepet analizi, müşterilerin tek bir alışverişte satın aldığı ürünler dikkate alınarak, satın alma eğilimlerinin şirket veri tabanlarındaki kayıtlar ile ortaya çıkarılması işlemidir. Bu çalışmada; perakende sektöründe faaliyet gösteren büyük bir hırdavat şirketinin beş buçuk yıllık verileri üzerinde market sepet analizi uygulanarak ilişkili ürün kategorileri belirlenmiştir. Birliktelik kurallarının belirlenmesinde Apriori ve FP-Growth algoritmalarının her ikisi de ayrı ayrı çalıştırılarak bu tip bir veri setindeki kullanışlılıkları kıyaslanmıştır. Ayrıca veri seti; Veri Seti-1 ve Veri Seti-2 olacak şekilde ikiye bölünmüş, böylece ilk veri setinden çıkarılan kuralların doğruluğu, ardışık zamanlı verileri içeren ikinci veri setinden çıkarılan kurallar ile karşılaştırılarak kuralların tutarlılığı tartışılmıştır.en_US
dc.description.abstractMarket basket analysis is the process of extracting purchasing trends from records in company databases, taking into account the products that customers buy in a single trade. Market basket analysis is the process of extracting purchasing trends from records in company databases, taking into account the products that customers buy in a single transaction. In this study, a market basket analysis was conducted on a five-and-a-half year data of a large hardware company operating in the retail sector, and related product categories were identified. In determining the association rules, both the Apriori and FP-Growth algorithms were run separately and their usefulness in such a set of data was compared. In addition, the data set was divided into Data Set-1 and Data Set-2 so that the consistency of the rules was discussed by comparing the correctness of rules extracted from the first data set with rules derived from the second data set containing consecutive timed data.en_US
dc.identifier.endpage96en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=fS4sqEZr79C_n60Rk6MjFQGrcLBJZf-MDw3g-4WgbGIR0yfzeUX9o2zTl1uaA_gS
dc.identifier.urihttps://hdl.handle.net/11467/7665
dc.identifier.yoktezid526928en_US
dc.language.isotren_US
dc.publisherİstanbul Ticaret Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmz2024_Tezen_US
dc.subjectEndüstri ve Endüstri Mühendisliğien_US
dc.subjectIndustrial and Industrial Engineeringen_US
dc.titleVeri madenciliği algoritmaları ile birliktelik kurallarının belirlenmesi: Perakende sektöründe bir uygulamaen_US
dc.title.alternativeDetermination of association rules with data mining algorithms: An application in retail sectoren_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu