Prof. Dr. Bahadır Yüzbaşı

İSTATİSTİK · EKONOMETRİ · VERİ BİLİMİ

Karmaşık verideki yapıyı görünür kılmak.

Yüksek boyutlu, uzamsal ve fonksiyonel veriler için güvenilir çıkarım, öğrenme ve öngörü.

İstatistiği, belirsizliği ortadan kaldıran değil; onu ölçülebilir, yorumlanabilir ve karar vermede kullanılabilir hâle getiren bir düşünme biçimi olarak görüyorum. İnönü Üniversitesi Ekonometri Bölümünde İstatistik Profesörüyüm.

Araştırmalarımın merkezinde, yüksek boyutlu ve güçlü ilişkiler içeren veri yapıları için küçültme, ön-test ve penalize kestirim yöntemleri geliştirmek yer alıyor. Bu yaklaşımı uzamsal ve fonksiyonel verilere, istatistiksel öğrenmeye ve elastik şekil analizine taşıyorum.

Benim için iyi bir istatistiksel yöntem yalnızca kuramsal olarak güçlü değil; aynı zamanda hesaplanabilir, yeniden üretilebilir ve gerçek bir probleme temas edebilir olmalıdır. Bu nedenle kuramsal sonuçları simülasyon çalışmaları, gerçek veri analizleri ve açık kaynaklı R, Python ve C++ yazılımlarıyla birlikte geliştiriyorum.

Çalışmalarım ekonomi, biyometri, sosyal bilimler ve dijital platform uygulamalarına uzanırken ortak hedef aynı kalıyor: karmaşık veriden güvenilir ve ölçülebilir bilgi üretmek.

ARAŞTIRMA YAZILIMI

R · Python · C++

R paketleri, C++/RcppArmadillo ile yüksek performanslı hesaplama; Python ile istatistiksel hesaplama, makine öğrenmesi ve yeniden üretilebilir araştırma iş akışları.

Yazılım ve paketleri incele →

SEÇİLMİŞ ÇALIŞMALAR

Kitaplar

2023

Post-Shrinkage Strategies in Statistical and Machine Learning for High Dimensional Data

Syed Ejaz Ahmed, Feryaal Ahmed, and Bahadir Yüzbaşı

2023

DOI

Yayınevi sayfası

Uluslararası dergi değerlendirmeleri

Seçilmiş yayınlar

2026

Collinear Groupwise Selection via Scaled Group Lasso

Bahadır Yüzbaşı and Jiguo Cao

The American Statistician, 2026

DOI
Shrinkage estimation in geographically weighted regression with applications to digital platform pricing

Bahadır Yüzbaşı, S. Ejaz Ahmed, and Shuangzhe Liu

Spatial Statistics, 2026

DOI

2021

Penalized regression via the restricted bridge estimator

Bahadır Yüzbaşı, Mohammad Arashi, and Fikri Akdeniz

Soft Computing, Jul 2021

DOI

2020

Shrinkage Estimation Strategies in Generalised Ridge Regression Models: Low/High‐Dimension Regime

Bahadır Yüzbaşı, Mohammad Arashi, and S. Ejaz Ahmed

International Statistical Review, Apr 2020

Abs DOI

Summary In this study, we suggest pretest and shrinkage methods based on the generalised ridge regression estimation that is suitable for both multicollinear and high‐dimensional problems. We review and develop theoretical results for some of the shrinkage estimators. The relative performance of the shrinkage estimators to some penalty methods is compared and assessed by both simulation and real‐data analysis. We show that the suggested methods can be accounted as good competitors to regularisation techniques, by means of a mean squared error of estimation and prediction error. A thorough comparison of pretest and shrinkage estimators based on the maximum likelihood method to the penalty methods. In this paper, we extend the comparison outlined in his work using the least squares method for the generalised ridge regression.
Ridge-type pretest and shrinkage estimations in partially linear models

Bahadır Yüzbaşı, S. Ejaz Ahmed, and Dursun Aydın

Statistical Papers, Apr 2020

DOI

2016

Big data analytics: integrating penalty strategies

S. Ejaz Ahmed and Bahadır Yüzbaşı

International Journal of Management Science and Engineering Management, 2016

DOI
Shrinkage and penalized estimation in semi-parametric models with multicollinear data

Bahadır Yüzbaşı and S. Ejaz Ahmed

Journal of Statistical Computation and Simulation, Nov 2016

DOI