Zaman serisi tahminlemede otomatikleştirilmiş makine öğrenmesi (AutoML) kütüphanelerinin karşılaştırılması

Abstract

Firmaların bulunduğu konumu koruması veya geliştirebilmesi, ileride meydana gelebilecek durumlara karşı önceden tedbir alabilmesi ve diğer firmalar ile rekabet edebilmesi açısından geleceğe yönelik tahminleme gerçekleştirmesi gereklidir. Gelişen veri teknolojileri ile anlamlı veriye ulaşabilmek kolaylaşmıştır ve yapay zekâ, makine öğrenmesi, derin öğrenme gibi yöntemlerle birlikte bu verilerin analiz edilmesiyle geleceğe yönelik tahminlemede oldukça başarılı sonuçlar elde edilebilmektedir. Ancak literatürde birçok farklı yöntemin bulunması, araştırmacıların hangi yöntemi kullanacağı, model ve hiper-parametre seçimi için hangi teknikleri kullanacağı gibi birçok problem oluşturabilmektedir. Model ve hiper-parametre seçimde farklı değerlerin karşılaştırılması zahmetli ve uzun süreli olabilir. Bu doğrultuda gerçekleştirilen çalışmanın amacı, makine öğrenmesinin gelişmiş bir versiyonu olan otomatikleştirilmiş makine öğrenmesi (AutoML) yöntemini kullanmaktır. AutoML, makine öğrenmesi modellerini otomatikleştirerek bu alanda uzmanlık gerektirmeden makine öğrenmesi algoritmalarının kullanımına ve geliştirilmesine olanak tanır. Çalışmada, tek değişkenli bir zaman serisi verisi üzerinde 6 farklı AutoML kütüphanesi ile tahminleme çalışması gerçekleştirilmiştir ve tahminleme başarıları çeşitli performans metrikleri üzerinden karşılaştırılmıştır. Kullanılan veri seti üzerinde elde edilen sonuçlara göre seçilen kütüphanelerden tahminleme başarısı en yüksek olanın Auto_ARIMA kütüphanesi olduğu gözlenmiştir.