Research Article


DOI :10.26650/acin.1394019   IUP :10.26650/acin.1394019    Full Text (PDF)

The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem

Ali AlsaçMehmet Mutlu YeniseyMurat Can GanizMustafa DağtekinTaner Ulusinan

Designing a prediction method with machine learning algorithms and increasing the prediction success is one of the most important research areas and aims of today. Models designed using classification algorithms are frequently used especially in problem types that require prediction. In this study, real life data is used to answer the question of which problem type should be included in the Information Technology Service Management (ITSM) system. An important step in the search for a solution is to examine the dataset with regularization methods. Experimental results have been obtained to establish the overfitting or underfitting balance of the dataset with L1 and L2 regularization methods. While the Root-Mean-Square Error (RMSE) value was approximately 0.13 in the regression model without regularization, this value was found to be approximately 0.083 after L1 regularization.With the regularized dataset, new results were obtained using Artificial Neural Network (ANN), Logistic Regression (LR), Support Vector Machine (SVM) classifier algorithms. SVM algorithm was the most successful model with a performance of approximately 0.73. It is followed by LR and ANN respectively. Accuracy, Precision, Recall and F1Score were used as evaluation metrics. It is seen that the use of regularization methods, especially in the preparation of real-life data for use in machine learning or other artificial intelligence research, will contribute to increasing the success level of the model.

DOI :10.26650/acin.1394019   IUP :10.26650/acin.1394019    Full Text (PDF)

Sorun Türü Tahmini Probleminde Düzenlileştirme Yönteminin Model Başarısı Üzerindeki Etkisi

Ali AlsaçMehmet Mutlu YeniseyMurat Can GanizMustafa DağtekinTaner Ulusinan

Matematik düzleminde bir tahmin yöntemi tasarlamak ve başarılı sonuçlarından faydalanmak günümüzün önemli araştırma alanlarından ve amaçlarından biri olarak öne çıkmaktadır. Sınıflandırma algoritmaları kullanılarak tasarlanan modeller özellikle tahmin gerektiren problem türlerinde sıklıkla kullanılmaktadır. Çalışmada gerçek hayat verileri kullanılarak bir gerçek hayat problemi olan müşteriden gelen çözüm talebinin Bilgi Teknolojisi Hizmet Yönetimi (BTHY) sistemi içinde hangi sorun tipine dahil edilmesi gerektiği sorusuna cevap aranmaktadır. Çözüm arayışının önemli bir aşamasında veri kümesinin Regülarizasyon yöntemleri ile incelenmesi yer almaktadır. L1 ve L2 regülarizasyon yöntemleri ile veri kümesinin overfitting ya daunderfitting dengesinin kurulması için deneysel sonuçlar alınmıştır. Regülarizasyon uygulanmamış regresyon modelinde Kök Ortalama Kare Hatası (RMSE) değeri yaklaşık olarak 0,13 iken L1 regülarizasyonu sonucunda bu değer yaklaşık 0,083 olarak bulunmuştur. Düzenlileştirilmiş veri kümesi ile Yapay Sinir Ağları (YSA), Lojistik Regresyon (LR), Destek Vektör Makinaları (DVM) sınıflandırıcı algoritmaları kullanılarak yeni sonuçlar elde edilmiştir. DVM algoritması yaklaşık 0,73 başarım sonucu ile en başarılı model olmuştur. Sırasıyla LR ve YSA takip etmektedir. Değerlendirme metrikleri olarak Accuracy, Precision, Recall ve F1Score kullanılmıştır. Özellikle gerçek hayat verilerinin makina öğrenmesi ya da diğer yapay zeka araştırmalarında kullanımı için hazırlanması aşamasında Regülarizasyon yöntemlerinden faydalanmanın modelin başarı düzeyinin artmasında katkısı olacağı görülmektedir.


PDF View

References

Citations

Copy and paste a formatted citation or use one of the options to export in your chosen format


EXPORT



APA

Alsaç, A., Yenisey, M.M., Ganiz, M.C., Dağtekin, M., & Ulusinan, T. (2023). The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem. Acta Infologica, 7(2), 360-383. https://doi.org/10.26650/acin.1394019


AMA

Alsaç A, Yenisey M M, Ganiz M C, Dağtekin M, Ulusinan T. The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem. Acta Infologica. 2023;7(2):360-383. https://doi.org/10.26650/acin.1394019


ABNT

Alsaç, A.; Yenisey, M.M.; Ganiz, M.C.; Dağtekin, M.; Ulusinan, T. The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem. Acta Infologica, [Publisher Location], v. 7, n. 2, p. 360-383, 2023.


Chicago: Author-Date Style

Alsaç, Ali, and Mehmet Mutlu Yenisey and Murat Can Ganiz and Mustafa Dağtekin and Taner Ulusinan. 2023. “The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem.” Acta Infologica 7, no. 2: 360-383. https://doi.org/10.26650/acin.1394019


Chicago: Humanities Style

Alsaç, Ali, and Mehmet Mutlu Yenisey and Murat Can Ganiz and Mustafa Dağtekin and Taner Ulusinan. The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem.” Acta Infologica 7, no. 2 (Jul. 2024): 360-383. https://doi.org/10.26650/acin.1394019


Harvard: Australian Style

Alsaç, A & Yenisey, MM & Ganiz, MC & Dağtekin, M & Ulusinan, T 2023, 'The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem', Acta Infologica, vol. 7, no. 2, pp. 360-383, viewed 20 Jul. 2024, https://doi.org/10.26650/acin.1394019


Harvard: Author-Date Style

Alsaç, A. and Yenisey, M.M. and Ganiz, M.C. and Dağtekin, M. and Ulusinan, T. (2023) ‘The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem’, Acta Infologica, 7(2), pp. 360-383. https://doi.org/10.26650/acin.1394019 (20 Jul. 2024).


MLA

Alsaç, Ali, and Mehmet Mutlu Yenisey and Murat Can Ganiz and Mustafa Dağtekin and Taner Ulusinan. The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem.” Acta Infologica, vol. 7, no. 2, 2023, pp. 360-383. [Database Container], https://doi.org/10.26650/acin.1394019


Vancouver

Alsaç A, Yenisey MM, Ganiz MC, Dağtekin M, Ulusinan T. The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem. Acta Infologica [Internet]. 20 Jul. 2024 [cited 20 Jul. 2024];7(2):360-383. Available from: https://doi.org/10.26650/acin.1394019 doi: 10.26650/acin.1394019


ISNAD

Alsaç, Ali - Yenisey, MehmetMutlu - Ganiz, MuratCan - Dağtekin, Mustafa - Ulusinan, Taner. The Efficiency of Regularization Method on Model Success in Issue Type Prediction Problem”. Acta Infologica 7/2 (Jul. 2024): 360-383. https://doi.org/10.26650/acin.1394019



TIMELINE


Submitted22.11.2023
Accepted01.12.2023
Published Online14.12.2023

LICENCE


Attribution-NonCommercial (CC BY-NC)

This license lets others remix, tweak, and build upon your work non-commercially, and although their new works must also acknowledge you and be non-commercial, they don’t have to license their derivative works on the same terms.


SHARE




Istanbul University Press aims to contribute to the dissemination of ever growing scientific knowledge through publication of high quality scientific journals and books in accordance with the international publishing standards and ethics. Istanbul University Press follows an open access, non-commercial, scholarly publishing.