Electre Tree ile Makine Öğrenmesi Destekli Çok Kriterli Sınıflandırma

1. ELECTRE tree ÖNCESİ TEMEL BİLGİLER 1.1. Karar verme 1.2. Çok kriterli karar verme problem türleri ve yöntemlerine genel bir bakış 1.3. Sıralı-sınıflandırma ve ELECTRE tree’nin yöntemsel temeli 1.3.1. UTADIS yöntemi 1.3.2. AHPSort yöntemi 1.3.3. FlowSort yöntemi 1.3.4. ELECTRE ailesi ve ELECTRE TRI-B 1.4. Makine öğrenmesine genel bir bakış 2. PARAMETRE BELİRLEME SORUNU VE MAKİNE ÖĞRENMESİ BAĞLANTISI 2.1. ELECTRE TRI-B’de parametrelerin rolü 2.2. ELECTRE TRI-B’den ELECTRE tree’ye Geçiş 2.2.1. Kümeleme mantığı, K-means ve K-means++ 2.2.2. ELECTRE tree bağlamında Genetik Algoritmaların (GA) kullanımı 2.2.3. Topluluk öğrenmesi ve Random Forest benzetmesi 3. ELECTRE tree YÖNTEMİ 3.1. ELECTRE tree’nin amacı 3.2. ELECTRE tree yönteminin genel akışı 3.3. ELECTRE tree Python uygulama koduna bakış 4. ELECTRE tree ÖRNEK UYGULAMASI 4.1. Veri seti ve sınıflar 4.2. Verilerin hazırlanması ve K-Means++ ile başlangıç sınıflarının elde edilmesi 4.3. ELECTRE tree modelinin kurulması ve uygulanması