Autoregressive forests for multivariate time-series 
modeling

KEREM SİNAN TUNCEL

Autoregressive forests for multivariate time-series modeling

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: İngilizce

Öğrenci: KEREM SİNAN TUNCEL

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

İçerdiği verinin kompleks yapısı sebebiyle Çokdegişkenli Zaman Serileri'nin analizine verilen önem geçtiğimiz on yıl boyunca önemli raddelere yükselmiştir. Farklı uyguluma alanlarında gözlemlenen değişken sayısı ve zaman serilerinin uzunluğundaki artış sebebiyle verimli temsili gösterimler bulmak gereklidir. Örneğin Saklı Markov Modelleri (SMM) ve Özbağlanımlı (AR) modeller gibi model bazlı yaklaşımlar temsili gösterimi modellerle sağlayıp bu problemi çözmek için model parametrelerini kullanmaktadırlar. SMM ve AR modellerinin zaman serisi gösterimi bulmada başarılı olduğu uygulamaların varlığı bilinse de, SMM modelleri veriler arası bağımsızlık varsayımıyla yola çıkmakta ve AR modelleri de değişkenler arasındaki ilişkinin doğrusal olduğunu varsaymaktadır. Gerçeteki çoğu sistem doğrusal olmadığından, geleneksel yöntemler Çokdeğişkenli Zaman Serileri'ne gösterim bulmakta başarısızdır. Bu problemi çözmek için, değişkenler arası doğrusal olmayan bağıntıları da modelleyebilecek özbağlanımlı bir ağaç bazlı topluluk yaklaşım önerilmektedir. Çokdeğişkenli özbağlanımlı orman, yani mv-ARF, güçlü ve etkili temsili gösterimler bulabilecek, büyük veri boyutlarından etkilenmeyen, parametrik olmayan, özbağlanımlı bir yaklaşımdır. Bu yaklaşımın temelinde, öğrenilen modellerden elde edilen tahmin hatası bazlı bir temsili gösterim bulunmaktadır. Bu yönüyle mv-ARF, zaman serisi sınıﬂandırma problemlerinde sıkça kullanılan "¸cekirdek" yöntemlerine benzemektedir. Bu tezde, mv-ARF yöntemi literatürde yaygınca kullanılan birtakım Çokdeğişkenli Zaman Serisi sınıﬂandırma problemleri üzerinde uygulanmış, verimli ve literatürdeki ölçütlerle rekabet edebilecek sonuçlar verdiği kanıtlanmıştır.