Bugün internet teknolojilerindeki gelişmeler sayesinde yolcular farklı havayolu şirketlerine ait uçuşları karşılaştırabilir, belirli bir zaman periyodunda en uygun fiyatlı uçuşu bulabilir, rezerve edebilir ve satın alabilir.  Havayolu şirketlerinin gelir politikaları ve aralarındaki rekabet, mevsimeler, tatiller, uçuş süresine kalan süre, mevcut koltuk sayısı,  ülkelerin uyguladıkları vergi politikaları, ülkeler arası seyehat politikaları vb pek çok faktör uçuş fiyatlarının belirlenmesinde etkilidir. Aynı zamanda, aynı uçuşa ait bir biletin fiyatı bile saatler içinde değişebilmektedir. Buyüzden bu kadar değişken ve dinamik olan bilet fiyatlarının önceden kestirebilmek hem hava yolu şirketleri açısından hem de müşteriler açısından çok önemlidir. Bugün pek çok çevrimiçi seyehat acentası ve havayolu şirketi işbirliği yaparak dinamik fiyat tahmini üzerine Yapay Zekâ odaklı Ar-Ge çalışmaları yürütmektedir. Bu çalışma da Enuygun.com Ar-Ge Merkezi tarafından yürütülmekte olan YZ destekli “Flight Prices Predictor” adlı projesinin bir parçasıdır. İlgili projenin bu kısmında YZ tekknolojilerinden makine öğrenmesi algoritmaları araştırılmış ve topluluk öğrenme algoritmalarından Gradyan Artırım (GB-Gradient Boosting) ve Rastsal Orman (RF-Random Forest) algoritmaları kullanılarak iki farklı tahmin modeli geliştirilmiştir. Bu algoritmalar kullanarak geliştirilen ve test edilen “RF-FPPredictor” ve “GB-FPPredictor” modellerinin doğruluk performansları sırasıyla %90 ve %92’dir. Modellerin ortalama mutlak yüzde hataları (MAPE) ise %2.49 ve %2.26’dır. Bu modeller daha önce geliştirilen diğer modeller ile tahmin performansı açısından karşılaştırıldığında oldukça başarılı olduğu görülmektedir.

Today, passengers can compare flights of different airline companies, find the most convenient flight in a certain time period, reserve and purchase, thanks to advances in internet technologies. Revenue policies of airlines and competition between them, seasons, holidays, time left to flight, number of seats available, tax policies of countries, travel policies between countries, etc. Many factors are effective in determining flight prices. At the same time, even the price of a ticket for the same flight can change within hours. Therefore, it is very important for airline companies and customers to be able to predict the ticket prices, which are so variable and dynamic. Today, many online travel agencies and airline companies collaborate on AI-focused Research&Development studies on dynamic price prediction. This study is part of the AI-supported "Flight Prices Predictor" project conducted by the Enuygun.com R&D Center. In this part of the the project, machine learning algorithms, which are one of the AI technologies, have been researched and two different prediction models have been developed by using Gradient Boosting (GB-Gradient Boosting) and Random Forest (RF-Random Forest) algorithms. The accuracy performances of "RF-FPPredictor" and "GB-FPPredictor" models, which were developed and tested using Gradient Boosting and Random Forest algorithms, are 90% and 92% respectively. The average absolute percentage errors (MAPE) of the models are 2.49% and 2.26%. These models are quite successful when compared with other models developed before in terms of prediction performance.