젠트리피케이션은 대체로 인근 지역의 경제적 가치를 증가시킨다. 이는 해당 지역에 사회적 스트레스를 발생시키고 구매력 감소로 인한 원주민들의 이주를 야기한다. 이스탄불의 거의 모든 지역이 젠트리피케이션의 영향을 받기 시작했다. 이 연구는 이스탄불에서 일어나는 젠트리피케이션 사례들의 부정적인 영향을 살피고, 이를 완화하는 방법을 논의한다.
최근 머신러닝 분야의 연구를 통해 복잡한 도시 문제가 앞으로 어디서 어떻게 발생할지를 예측할 수 있게 되었다. 이 연구는 머신러닝 연구의 핵심 문제이자 필수적인 부분인 특성선택(feature selection)에 초점을 둔다. 특성선택은 데이터 전처리 방법으로, 특히 고차원 데이터를 준비하는 데 효과적이다. 특성선택은 깨끗하고 이해하기 쉬운 데이터를 준비함으로써 고차원 데이터를 통한 학습을 가능하게 하고, 더욱 포괄적인 머신러닝 모델을 구축해 모델의 성능을 향상시키는 것을 목적으로 한다.
데이터 세트는 아타셰히르(Ataşehir), 베욜루(Beyoğlu), 바크르쾨이(Bakırköy), 바샥셰히르(Başakşehir), 베식타슈(Beşiktaş), 카드쾨이(Kadıköy), 카르탈(Kartal), 퀴췩체크메제(Küçükçekmece), 사르예르(Sarıyer), 윔라니예(Ümraniye), 위스퀴다르(Üsküdar) 11 개 지역에 대해 수집한다. 젠트리피케이션의 측정은 순이동률과 교육 수준 변화로 구성된 인구조사 트랙 데이터를 통해 수행한다. 젠트리피케이션을 가장 잘 식별하는 기능을 선택할 때는 젠트리피케이션과 경제적 가치 증가 사이의 유발 관계를 고려하여 약 17,000 개의 행으로 구성된 관심 지점 데이터 집합을 사용한다.
결론에서는 POI 데이터 세트의 특징에 점수를 매겨 가장 중요한 특징을 식별하는 머신 러닝 모델의 제공을 통해, 젠트리피케이션을 예측하기 위한 추가 연구에 강력한 아이디어를 제공한다. 그리고 젠트리피케이션에 대처할 수 있는 정책의 영향을 제시한다.