Bir Başka Algoritma: Makine Öğrenmesi
Tahmin ediyorum ki hayatınızda elbet bir kere ev kirası tahmini yapmışsınızdır.
Peki bunun için evin hangi detaylarını bilmeniz gerekiyor?
Örneğin evin konumu ve o konumdaki diğer evlerin fiyatı incelediğimiz evdeki en büyük fark yaratacak detay olabilir. Aynı zamanda evin metrekaresi, hangi katta olduğu, oda sayısı, bina yaşı vs. şeklinde daha bir çok detayın evin kirasına ve değerine etki ettiğini biliyoruz.
Peki ya bu fiyat çıkarımını günde 1500 defa yaptırılmak zorunda bırakılsak? Tabii ki insan bunun bir formülünü günler boyu üretmeye çalışarak evin verilen değerlerini formülde denk gelen değerlere yerleştirdiği zaman sonucunu alacaktır tabii ama bununla uğraşmak için aylarını belki de yıllarını verecek, yüzlerce deneme yapacak ve o süre boyunca gelen günde 1500 defa fiyatlandırma görevini yerine getiremeyecek.
İşte bu yüzden evin fiyatını verdiğimiz değerlerle belirlemesini sağlayacak formülü bulmak için bilgisayarlara danışıyoruz.
Makine Öğrenmesi sayesinde sürekli deneme yanılma yaparak verilen değerleri sürekli yerine oturtup yanlış olduğunda formülü düzeltecek bir güce erişmiş oluyoruz ve en güzeli de bunu biz değil bilgisayarlar yapmış oluyor.
Peki bir bilgisayar bunu nasıl yapıyor?
Bir evin kirasının değerini bulmak için bağımsız değişkenler olan evin diğer bilgilerini bilmemiz, bu bilgileri daha önce aynı niteliğe sahip diğer evlerle kıyaslamamız ve yaklaşık bir değer ortaya çıkarmamız gerekiyor.
İşte bunu yapmamızı sağlayacak en basit formül “Çoklu Doğrusal Regresyon” Formülüdür.
Formülü açıklamamız gerekirse “y” evimizin fiyatı, “b0” evin hiçbir niteliği olmasa dahi orada var olan bir değer, “b1,b2……bn” şeklinde ilerleyen değerler evin nitelik bilgileri (örn. metrekaresi) ve yanında olan “X1,X2……Xn” şeklinde devam edenler ise her niteliğin katsayısı.
En basit anlamda, metrekarenin direkt olarak evin fiyatına etki ettiğini ve başka hiçbir şeyin fiyata etki etmediğini düşünelim.
Kirası 3500 TL olan 135m2 evin metrekare fiyatını nasıl hesaplardık?
Kirayı metrekareye bölerek bulabiliriz. Yani buradan 3500/135= 25.92 sonucu çıkıyor. Metrekare değerimizin 25.92 olduğunu varsayarak 200m2 bir evin değerini bulmamız istendiğinde 25.92*200 = 5194 TL olduğunu kolaylıkla bulabiliriz.
İşte formüldeki “b1” değerimiz metrekare değeri olan 25.92, “X1” olan değerimiz ise Evin verilen metrekare bilgisi.
Tabii ki sadece metrekare değişkeniyle bitmiyor, daha bir çok değişken var.
İşte o yüzden tek bir tane “b” değeri değil de birden çok “b” değeri ve onun katsayıları var.
Daha öncesinde bir sürü öz niteliğe sahip ev bilgilerini Çoklu Doğrusal Regresyon formülüne deneye yanılta çözdürdüğümüz zaman en yakın gerçek değere ulaştığını çeşitli Optimizasyon algoritmalarıyla anladığı zaman, deneme yanılma bitecek ve artık başka değerler verildiğinde fiyat tahmini yapabilecek.
Elbette ki Makine Öğrenmesi, sadece fiyat tahmini gibi regresyon sorunlarını çözmekle kalmıyor, Çeşitli sınıflandırma konularında da yardımcı olmakla beraber Denetimsiz Öğrenme dediğimiz kümeleme konularında da bize fayda sağlıyor.
Umarım Makine Öğrenmesi Konusuna ufak bir giriş ile nasıl çalıştığın en basit şekilde anlatabilmişizdir. Bu size yeterli gelmediyse sabırlı olun, daha detaylı anlatımların yer aldığı alt başlıklara ilerleyen zamanlarda değineceğiz. Amacımız hiç bilmeyen birisinin baştan sona bu konuları anlayabilmesidir.
Yazımızı beğendiyseniz Takip etmeyi ve Alkışlamayı unutmayın. Bir sonraki yazımızda Denetimli ve Denetimsiz Öğrenme arasındaki farklara göz atacağız.
