FİYAT TAHMİNLEMESİNDE MAKİNE ÖĞRENMESİ TEKNİKLERİ VE DOĞRUSAL REGRESYON YÖNTEMLERİNİN KIYASLANMASI; TÜRKİYE’DE SATILAN İKİNCİ EL ARAÇ FİYATLARININ TAHMİNLENMESİNE YÖNELİK BİR VAKA ÇALIŞMASI

Abstract

İkinci el araç alım satım piyasası dünyada olduğu gibi Türkiye’de de çok hareketli ve kayda değer büyüklükte bir pazardır. Satıcılar araçları için alabilecekleri maksimum fiyatı ararken alıcılar olabildiği kadar düşük fiyata maksimum kalitede bir araç almak için uğraşırlar. Ancak söz konusu araçların alım satımı esnasında çeşitli problemler olabilmekte ve belirli bir araç için bayi düzeyinde dahi standart bir fiyatlandırma politikası uygulanamamaktadır. Bu çalışmada bu problemi çözmek adına ikinci el bir araç için fiyatlandırma politikası oluşturup oluşturulamayacağı araştırılmıştır, bu kapsamda gerçek veriler toplanarak istatistiksel ve yapay zekâ tabanlı yöntemlerle tahmin modelleri oluşturulmuştur. Yapay zekânın alt dallarından bir tanesi olarak düşünebileceğimiz makine öğrenmesi teknikleri doğal dil işleme, metin madenciliği, görüntü işleme gibi çok kompleks problemlerin yanı sıra regresyon problemlerinde de doğrusal regresyon gibi klasik yöntemlere göre daha başarılı sonuçlar vermektedir. Bu noktadan hareketle bu çalışma da ikinci el araç satışlarındaki fiyatlandırma sisteminin standardize edilebilmesi için Yapay Sinir Ağları, Destek Vektör Makineleri ve Doğrusal Regresyon yöntemleri uygulanmış ve kullanılan metotlar sıkça tercih edilen çeşitli değerlendirme açısından kıyaslanmıştır. Çalışmanın bulgularına göre makine öğrenmesi teknikleriyle ikinci el araç alım satımında bir fiyatlandırma standardizasyonu yapabilmek mümkündür ve söz konusu makine öğrenme teknikleri doğrusal regresyon gibi klasik yöntemlere göre daha başarılı sonuçlar vermektedir.

Used cars market is very buoyant in the World as well as in the Turkey and has a significant size. While sellers are looking for the maximum price for their vehicles, buyers are willing to buy a good quality vehicle with a minimum price. However, during the trading process various problems might occurred and even dealer might not have standard pricing policy for a specific vehicle. In this study, it is focused on whether a pricing policy for a used car can be created or not, collected real data, and applied methods based on statistics and artificial intelligence. As a subbranch of artificial intelligence, In addition to Machine learning’s success in complex problems such as natural language processing, text mining, image processing, it can also outperforms classical methods such as linear regression to solve regression problems. From this point, during this study Artificial Neural Networks, Support Vector Machines and Linear Regression methods are used and compared with the aim of standardizing used cars pricing. Based on the findings, it is possible to standardize used cars pricing with machine learning methods and chosen methods gives better results than classic linear regression method.