Makale 4
Makale Adı: Classification of Industrial and Commercial Facilities Using Machine Learning Techniques
Makale Özeti: Bu proje kapsamında, endüstriyel ve ticari tesislerin otomatik sınıflandırılması için makine öğrenimi algoritmalarının performansı incelenmiştir. Çalışmada, 27.691 depo, 6.441 perakende mağaza ve 13.551 fabrikayı içeren toplam 47.683 veri noktasından oluşan bir veri seti kullanılmıştır. Bu tesisleri "fabrika," "depo" veya "perakende" olarak sınıflandırmak için, Yapay Sinir Ağları (ANN), Rastgele Orman (RF) ve k-En Yakın Komşu (kNN) makine öğrenimi modelleri uygulanmış ve karşılaştırılmıştır. ANN, %76,9 ile en yüksek sınıflandırma doğruluğunu elde etmiştir. Bunu %73,9 ile RF algoritması ve %63,9 ile kNN algoritması takip etmiştir. ANN'nin gösterdiği yüksek performans, endüstriyel ve ticari sektörlerde otomatik tesis sınıflandırması için güçlü bir araç olabileceğini göstermektedir. Bu sınıflandırma, işletmelerin operasyonel verimliliğini artırmak, pazarlama stratejilerini daha etkili bir şekilde yönlendirmek ve kaynak yönetimini iyileştirmek gibi önemli katkılar sağlayabilir. Gelecek çalışmalarda, model doğruluğunu daha da artırarak ve çeşitli uygulama senaryolarında test ederek bu alandaki araştırmalar genişletilebilir.
Abstract: The performance of machine learning algorithms for the automatic classification of industrial and commercial facilities were examined within the scope of this project. A dataset containing a total of 47,683 data points, including 27,691 warehouses, 6,441 retail stores, and 13,551 factories, was used in this study. To classify these facilities as "factory," "warehouse," or "retail," ANN, RF, and kNN machine learning models were applied and compared. The ANN achieved the highest classification accuracy with 76.9%. This was followed by the RF algorithm with 73.9% and the kNN algorithm with 63.9%. The high performance demonstrated by the ANN indicates that it could be a powerful tool for automatic facility classification in industrial and commercial sectors. This classification can provide significant contributions such as increasing operational efficiency of businesses, more effectively guiding marketing strategies, and better management of resources. Future studies can expand research in this field by further increasing model accuracy and testing in various application scenarios.
Makale Linki : https://imiens.org/index.php/imiens/article/view/53