Makine Öğrenmesi Algoritmaları İle Nüfus Tahmini: Türkiye Örneği

Abstract

Ülkelerin geleceğine dair sosyal, ekonomik, politik ve çevresel kararların daha tutarlı alınabilmesi için ülke nüfusu hakkında bilgi sahibi olunmalıdır. Bu sebeple, büyük maliyetler ile nüfus sayımları yapılmakta ve farklı teknikler ile ülkenin gelecekteki nüfusu tahmin edilmektedir. Bu çalışmada farklı makine öğrenmesi algoritmaları ile nüfus tahmini yapılmıştır. Bunun için altı farklı makine öğrenmesi algoritması seçilmiştir; Light Gradyan Artırma (Light Gradient Boosting, LightGBM), Doğrusal Regresyon, Ridge Regresyon, Üstel Düzeltme yöntemlerinden biri olan Holt-Winters, Bütünleşik Otoregresif Hareketli Ortalama (Autoregressive Integrated Moving Average, ARIMA) ve Prophet tahmin modeli. 262 farklı ülkenin 1960-2017 yılları arasındaki 1595 farklı demografik göstergesi kullanılarak modeller eğitilmiştir. Kullanılan veri seti dünya genelinde demografik göstergeler yayınlayan Dünya Bankası'ndan (World Bank) temin edilmiştir.

The population of the countries should be known to be more consistent with the social, economic, political and environmental decisions regarding the future of them. For this reason, censuses are made with great cost and the future population of the country is estimated with different techniques. In this study, different machine learning algorithms are used to forecast population. This study employed six different machine learning algorithms; Light Gradient Boosting, Linear Regression, Ridge Regression, Holt-Winters, Exponential Autoregressive Integrated Moving Average (ARIMA) and Prophet Prediction Model. Models were trained using 1595 different demographic indicators of 262 different countries between 1960 and 2017.