Veri tabanlı sistemlerin istatistiksel analize dayalı kural öğrenmeleri (doğrusal olmayan regresyon yöntemleri)

Abstract

Günümüz bilişim dünyasında veri saklama ve veriye erişim gelişmiş veri tabanı sunucularında yapılmaktadır. Veri tabanlarına erişim yaygın olarak adına SQL denilen standartlaşmış bir sorgulama diliyle sağlanmaktadır. SQL dili ile veri ekleme, veri güncelleme ve veriye erişim gibi işlemler yapılmaktadır. Özellikle veriye erişim süresi veri tabanı büyüdükçe uzamakta ve daha hızlı veriye erişim yöntemleri ve performans çalışmaları önem kazanmaktadır. Veriye erişim sorgusuna alternatif sorgular türetilerek veri erişim süresi azaltılabilir. Verilen sorguya alternatif sorgular üretmek için dinamik bir veri tabanı kurallar bütünü oluşturulabilir ve sisteme entegre edilerek sürekli öğrenen bir sistemle kullanılan her sorgu optimizasyondan geçirilebilir. Ayrıca veri kümeleriyle oluşturulacak bu modeller ile veri tahmini yapılabilir. Bu tez sisteme entegre edilebilecek ve kural tabanı oluşturmada kullanılacak olan verilerin analizindeki yaklaşım metotlarından doğrusal olmayan regresyon ve yöntemlerini inceleyerek, sistemde en kararlı, hataya neden olmadan ve her defasında en yüksek başarı yüzdesiyle kural tabanı oluşturabilecek yöntemi seçmeyi amaçlar. Yöntemleri her açıdan inceler ve özellikle başarı yüzdesi yüksek ve kararlı yöntemi seçer. Bunu yaparken mevcut bilinen yöntemlere alternatif denemeler yapar ve bunları birbirleriyle karşılaştırarak en iyi yönteme karar verir.