Makine Öğrenmesi Teknikleri

Gözetimli öğrenmede, algoritmaya gönderdiğimiz eğitim verileri, etiket (label) olarak adlandırılan, istediğimiz çözümleri içerir. En tipik gözetimli öğrenme görevi, sınıflandırmadır (classification). İstenmeyen eposta filtresi (spam filter), gözetimli öğrenmeye güzel bir örnektir. Elimizdeki eğitim verisi, epostaların yanında onların istenmeyen olup olmadığını belirten etiketler içerirler.

Başka bir tipik gözetimli öğrenme örneği ise regresyondur. Regresyon probleminde, elimizdeki verilerden sayısal bir değeri tahmin etmeye çalışırız.

Bazı regresyon algoritmaları, sınıflandırma problemleri için de kullanılabilir. Lojistik regresyon, sınıflandırma için yaygın kullanılan tekniklerden biridir.

Aşağıdaki listede en çok kullanılan gözetimli öğrenme algoritmalarının isimleri var. Hepsinden ileride bahsedeceğiz.

  • k- En yakın komşu kestirimi (k-Nearest Neighbors)
  • Doğrusal Regresyon (Linear Reg.)
  • Lojistik Regresyon (Logistic Reg.)
  • Destek Yöney Makineleri (Support Vector Machines — SVMs)
  • Karar ağaçları (Decision Trees) ve Rastgele Ormanlar (Random Forests)
  • Yapay Sinir Ağları

Gözetimsiz öğrenmede ise, algoritmaya gönderdiğimiz eğitim verileri etiket içermez. Algoritma bir öğretmen olmadan öğrenmeye çalışır.

Aşağıdaki listede en çok kullanılan gözetimsiz öğrenme algoritmalarını isimleri var.

  • Öbekleme

k- Merkezli öbekleme (k-Means), Beklenti büyütme (Expectation Maximization)

  • Boyut azaltma (Dimensionality Reduction)

Temel Bileşen Çözümlemesi (Principal Component Analysis), Doğrusal ayırtaç çözümlemesi (Locally-Linear Embedding)

  • İlişkilendirme kuralları (Association rule learning)

Apriori, Eclat

Pekiştirmeli öğrenmeden (reinforcement learning) daha ileride bahsedeceğim.

Yukarıda ele almadığım birçok açıdan da makine öğrenimi algoritmaları sınıflandırılabilir (Batch Learning — Online Learning, Instance-based learning — Model-based learning vb. gibi). Bunlardan da daha ileride bahsedeceğim. Bir sonraki yazımızda gözetimli öğrenme modellerinden doğrusal regresyondan bahsedeceğim ve Python ile regresyon modelimizi örnek bir veriseti üzerinde oluşturup test edeceğiz. Görüşmek üzere.

Kaynaklar

  1. Alpaydın, E. (2011). Yapay öğrenme. İstanbul: Boğaziçi Üniversitesi Yayınevi.
  2. Geron, A. (2017). Hands-On Machine Learning with Scikit-Learn and TensorFlow Concepts, Tools, and Techniques for Building Intelligent Systems. Sebastopol: OReilly UK Ltd.

Originally published at makineogrenimi.wordpress.com on May 25, 2017.