Çalışan Yıpranması Tahmin Etmek için Hiper Parametresi Ayarlanmış Makine Öğrenme Algoritmaların Kullanılması


Abstract views: 20 / PDF downloads: 167

Authors

  • Volkan Bayırbağ Savunma Teknolojileri / Instıtute of Gradute Studies, Sivas Bilim ve Teknoloji Üniversitesi, Türkiye
  • Halit Bakır Bilgisayar Mühendisliği / Faculty of Engineering and Natural Sciences, Sivas Bilim ve Teknoloji Üniversitesi, Türkiye

Keywords:

Makine Öğrenmesi, Yapay Zeka, Çalışan Yıpranması, SVC, Xgbclassifier

Abstract

– Çalışanların çalışma ortamları, saatlerin düzensizliği, aşırı iş yükü gibi nedenler çalışanların yıpranmasına ve performansına etki etmektedir. Bu çalışmada, çalışan yıpranması verileri doğru bir şekilde işlenerek firmalar için doğru bir sonuç üretmesi için yapay zeka ve makine öğrenmesi kullanılması önerilmiştir. IBM veri seti üzerinde yapılan SMOTE işlemleri ve ardından elde edilen doğruluk değerleri iyileştirmek için hiper parametre tuning işlemleri uygulanmıştır. Sonuçlar incelendiğinde, Hiper parametre tuning işlemleri yapılmadan önce en yüksek doğruluk değeri veren algoritma LGBM Classifier olarak tespit edilmiştir. Daha sonra hiper parametre tuning işlemleri uygulanmış ve SVC makine öğrenmesi yönteminin %95.72 doğruluk oranına çıktığı tespit edilmiş ve literatürde SVC algoritması ile elde edilen en yüksek doğruluk puanı olarak tespit edilmiştir.Değerlendirme sonucunda SVC yönteminin IBM dataseti için en uygun algoritma olduğu önerilmiştir.

Downloads

Published

2023-03-18

How to Cite

Bayırbağ, V., & Bakır, H. (2023). Çalışan Yıpranması Tahmin Etmek için Hiper Parametresi Ayarlanmış Makine Öğrenme Algoritmaların Kullanılması. International Conference on Scientific and Academic Research, 1, 466–471. Retrieved from https://as-proceeding.com/index.php/icsar/article/view/341

Conference Proceedings Volume

Vol. 1 (2023): Proceeding Book of 2nd International Conference on Scientific and Academic Research ICSAR 2023

Section

Conference Papers