Kategoriler
Eser Adı Yazar Yayınevi Açıklama İçindekiler Barkod
Arama  
Ana Sayfa Sipariş Takip Üyelik Yardım İletişim
 
 
Bülten
   

×
Electre Tree ile Makine Öğrenmesi Destekli Çok Kriterli Sınıflandırma
Eylül 2026 / 1. Baskı / 80 Syf.
Fiyatı: 130.00 TL
Temin süresi 2-3 gündür.
 
Sepete Ekle
   

Karar verme problemleri çoğunlukla birden fazla ve sıklıkla birbirileriyle çelişen kriterlerin değerlendirilmesini içermektedir. Seçim; sıralama ve sıralı sınıflandırma gibi farklı amaçlara odaklanan söz konusu problemler, literatürde yer alan çok sayıdaki Çok Kriterli Karar Verme (ÇKKV) yöntemi sayesinde sistematik yapılar dahilinde çözüme kavuşturulmaktadır. Bu çalışmanın konusu açısından önemli olan sıralı sınıflandırma problemlerinde alternatifler, sıralı kategorilere atanmaktadırlar. Sıralı sınıflandırma problemlerini ÇKKV ailesinden ELECTRE yönteminin üstünlük ilişkisine dayalı yaklaşımı ile makine öğrenmesinin veri temelli araçlarını bir araya getirerek ele alan ve literatüre 2021 yılında Gabriela Montenegro Montenegro de Barros ve arkadaşları tarafından tanıtılan ELECTRE tree yöntemi bu kitabın konusunu teşkil etmektedir.

Kitabın amacı ise ELECTRE tree yöntemini yalnızca Python programlama dili temelli bir kod uygulaması olarak sunmak değil, yöntemin kuramsal dayanaklarını, örneğin ELECTRE ailesinden bir sıralı sınıflandırma yöntemi olan ELECTRE TRI-B ile nasıl ilişkilendiğini, makine öğrenmesi ile bağlantısının ne olduğunu nicel karar yöntemleri ve makine öğrenmesi kavramlarına aşina okurlara anlaşılır şekilde açıklamaya çalışmaktır.

Konu Başlıkları
Electre Tree Öncesi Temel Bilgiler
Parametre Belirleme Sorunu ve Makine Öğrenmesi Bağlantısı
Electre Tree Yöntemi
Electre Tree Örnek Uygulaması
Barkod: 9786258757675
Yayın Tarihi: Eylül 2026
Baskı Sayısı:  1
Ebat: 16x24
Sayfa Sayısı: 80
Yayınevi: Ekin Yayınları
Kapak Türü: Karton Kapaklı
Dili: Türkçe
Ekler: -

 

İÇİNDEKİLER
1. ELECTRE tree ÖNCESİ TEMEL BİLGİLER  
1.1. Karar verme  
1.2. Çok kriterli karar verme problem türleri ve yöntemlerine genel bir bakış  
1.3. Sıralı–sınıflandırma ve ELECTRE tree'nin yöntemsel temeli  
1.3.1. UTADIS yöntemi  
1.3.2. AHPSort yöntemi  
1.3.3. FlowSort yöntemi  
1.3.4. ELECTRE ailesi ve ELECTRE TRI–B  
1.4. Makine öğrenmesine genel bir bakış  
2. PARAMETRE BELİRLEME SORUNU VE MAKİNE ÖĞRENMESİ BAĞLANTISI  
2.1. ELECTRE TRI–B'de parametrelerin rolü  
2.2. ELECTRE TRI–B'den ELECTRE tree'ye Geçiş  
2.2.1. Kümeleme mantığı, K–means ve K–means++  
2.2.2. ELECTRE tree bağlamında Genetik Algoritmaların (GA) kullanımı  
2.2.3. Topluluk öğrenmesi ve Random Forest benzetmesi  
3. ELECTRE tree YÖNTEMİ  
3.1. ELECTRE tree'nin amacı  
3.2. ELECTRE tree yönteminin genel akışı  
3.3. ELECTRE tree Python uygulama koduna bakış  
4. ELECTRE tree ÖRNEK UYGULAMASI  
4.1. Veri seti ve sınıflar  
4.2. Verilerin hazırlanması ve K–Means++ ile başlangıç sınıflarının elde edilmesi  
4.3. ELECTRE tree modelinin kurulması ve uygulanması  
 


Nurettin Oğuzhan Akoğuz ...
Temmuz 2026
850.00 TL
Sepete Ekle
Arzu Bayar
Haziran 2026
695.00 TL
Sepete Ekle
Caner Erden
Nisan 2026
640.00 TL
Sepete Ekle
Yusuf Ziya Olpak
Mart 2026
300.00 TL
Sepete Ekle





 

İÇİNDEKİLER
1. ELECTRE tree ÖNCESİ TEMEL BİLGİLER  
1.1. Karar verme  
1.2. Çok kriterli karar verme problem türleri ve yöntemlerine genel bir bakış  
1.3. Sıralı–sınıflandırma ve ELECTRE tree'nin yöntemsel temeli  
1.3.1. UTADIS yöntemi  
1.3.2. AHPSort yöntemi  
1.3.3. FlowSort yöntemi  
1.3.4. ELECTRE ailesi ve ELECTRE TRI–B  
1.4. Makine öğrenmesine genel bir bakış  
2. PARAMETRE BELİRLEME SORUNU VE MAKİNE ÖĞRENMESİ BAĞLANTISI  
2.1. ELECTRE TRI–B'de parametrelerin rolü  
2.2. ELECTRE TRI–B'den ELECTRE tree'ye Geçiş  
2.2.1. Kümeleme mantığı, K–means ve K–means++  
2.2.2. ELECTRE tree bağlamında Genetik Algoritmaların (GA) kullanımı  
2.2.3. Topluluk öğrenmesi ve Random Forest benzetmesi  
3. ELECTRE tree YÖNTEMİ  
3.1. ELECTRE tree'nin amacı  
3.2. ELECTRE tree yönteminin genel akışı  
3.3. ELECTRE tree Python uygulama koduna bakış  
4. ELECTRE tree ÖRNEK UYGULAMASI  
4.1. Veri seti ve sınıflar  
4.2. Verilerin hazırlanması ve K–Means++ ile başlangıç sınıflarının elde edilmesi  
4.3. ELECTRE tree modelinin kurulması ve uygulanması  
 


 
Kitap
Bülten
Kitap
Kitap
İndirimli Kitaplar
 
 
Ana Sayfa | 2021 Kaynakça Dokümanı | Hakkımızda | Bülten | Kişisel Verilerin Korunması | Yardım | İletişim

Seçkin Yayıncılık San. Tic. A.Ş.
Copyright © 1996 - 2026