Çevresel Tutumların Sınıflandırılmasında Özellik Seçimi ve Model Performansının İncelenmesi

Çevresel tutumlar, bireylerin sürdürülebilirlik ve ekolojik bilinç düzeylerini yansıtan önemli göstergelerden biridir ve bu tutumların doğru bir şekilde tahmin edilmesi, çevresel politikaların ve farkındalık çalışmalarının etkinliğini artırmada kritik bir rol oynamaktadır. Bu doğrultuda, bu çalışmada bireylerin çevresel tutumlarını tahmin etmek amacıyla çeşitli makine öğrenmesi (MÖ) algoritmaları ve farklı özellik seçimi yöntemleri karşılaştırılmıştır. Analizlerde, Türkiye’de yaşayan 384 katılımcıdan elde edilen açık erişimli bir veri seti kullanılmıştır. Çalışma kapsamında, yedi farklı MÖ algoritması (Rasgele Orman, Lojistik Regresyon, Destek Vektör Makineleri, K-En Yakın Komşu, Çok Katmanlı Algılayıcı, Naive Bayes ve Oylama) ile dört özellik seçimi yöntemi (Ekstra Ağaçlar, Karşılıklı Bilgi, Temel Bileşen Analizi ve Rasgele Orman) değerlendirilmiştir. Elde edilen bulgular, Temel Bileşen Analizi yönteminin Çok Katmanlı Algılayıcı (ÇKA) ve Lojistik Regresyon algoritmalarının performansını anlamlı ölçüde artırdığını göstermiştir. En yüksek doğruluk oranı (%98,7) ve duyarlılık değeri (%100) ÇKA algoritması ile elde edilmiştir. Ayrıca, Karşılıklı Bilgi ve Rasgele Orman yöntemlerinin, Destek Vektör Makineleri ve Oylama algoritmalarının performansını iyileştirdiği belirlenmiştir. Sonuç olarak, bu çalışma, çevresel tutumların tahmininde kullanılan özellik seçimi yöntemleri ile MÖ algoritmalarının kombinasyonlarının etkisini ortaya koymaktadır. Açık erişimli bir veri setinin kullanılması, çalışmanın şeffaflığını ve tekrarlanabilirliğini artırmıştır. Gelecekteki çalışmalarda, daha geniş ve çeşitli veri setleri üzerinde gerçekleştirilecek analizlerle elde edilen bulguların genellenebilirliği değerlendirilebilir.