Makine Öğrenimi Bölüm-1

E. Kaan Ulgen
Bilişim Hareketi
Published in
2 min readOct 14, 2017

Makine öğrenimi yapısal olarak öğrenebilen ve veriler üzerinde anlamlı tahminler yapabilen bilgisayar algoritmalarının genel adıdır. Bu algoritmalar temelde örnek verilerden model oluşturarak çalışmaktadırlar.

Günümüzde çok büyük miktarda verinin elle işlenmesi ve analizinin yapılması mümkün değildir. Bu nedenle verilen bir problemi çözmek için probleme ait ortamdan elde edilen veriyi makine öğrenmesi algoritmalarıyla eğiterek çözüme ulaşmak amaçlanmaktadır.

Makine Öğrenme algoritmaları temelde 2 gruba ayrılır:

Gözetimli Öğrenme (Supervised Learning):

  • Gözetimli öğrenme yönteminde, eğitim verisi “label” (etiket) bilgisi içermektedir. Yani çözüm için model geliştirmede sonuçları bilinen verilerden yararlanılmaktadır. Bu sayede oluşturulan model temel alınarak veri kümesi içerisinde etiket bilgisi mevcut olmayan verilerin sonuçlarının tahmin edilmesi amaçlanmaktadır.

En çok kullanılan gözetimli öğrenme algoritmaları:

  • En Yakın Komşuluk → k-Nearest Neighbors (KNN)
  • Yapay Sinir Ağları → Artificial Neural Network (ANN)
  • Destek Vektör Makinaları → Support Vector Machine (SVM)
  • Karar Ağaçları → Decision Trees (DTs)
  • Doğrusal Regresyon → Linear Regression
  • Lojistik Regresyon → Logistic Regression

— — — — — — —

Gözetimsiz Öğrenme (Unsupervised Learning):

  • Gözetimsiz öğrenme yönteminde ise label bilgisi yoktur. Veri setindeki bileşenler temel alınarak saklı ilişkilerin veya grupların ortaya çıkarılması amaçlanmaktadır. Örneğin; 10 tane bilgisayar alacaksınız ve bütçeniz sınırlı. Erken bir saatte teknoloji mağazasına gittiğinizi ve bilgisayar fiyatlarıyla ilgili herhangi bir bilgi alamadığınız farz edin. Fakat elinizde her bir bilgisayarın detaylı özellikleri mevcut. Bu durumda ne yapardınız? Gözetimsiz öğrenme yöntemiyle, donanımsal ve yazılımsal özellikler dikkate alınarak fiyat tahmini (label) yapmaya başlıyorsunuz :)

En çok kullanılan gözetimsiz öğrenme algoritmaları:

  • Kümeleme → Clustering
  • Birliktelik Kuralları → Association Rules
  • Temel Bileşen Analizi → Principal Component Analysis (PCA)

— — — — — — —

Devamı gelecek …

--

--