"Exploring Machine Learning: Supervised, Unsupervised, and Reinforcement", Study Guides, Projects, Research of Data Analysis & Statistical Methods

Download "Exploring Machine Learning: Supervised, Unsupervised, and Reinforcement" and more Study Guides, Projects, Research Data Analysis & Statistical Methods in PDF only on Docsity! Bu yazinin konusu da veri bilimi projelerinde kullanacagimiz makine 6grenmesi algoritmalart. Makine Ogrenmesi, insan midahalesi olmadan verilerden matematiksel ve istatistiksel yontemleri kullanarak cikarimlar yapan, bu cikarimlarla bilinmeyene dair tahminlerde bulunan bir algoritma kategorisidir. Makine 6grenmesi sirecini bir 6grencinin bir dersi 6grenme, test ¢dzme sUrecine benzetebiliriz.Okulda 6grenciye dersin konusu anlatilir ve 6grenci daha sonra da konuya kendisi calisir ve test cOzmeye baslar.Ogrenci ezber yaparak sorulari ¢ézerse, deneme sinavinda karsisina ¢dzdiigt sorunun biraz farklilastirilmis hali geldiginde soruyu ¢6zemez.Cunku ogrenmesi,anlamasi gereken konunun temelidir. Deneme sinavindan sonra gézemedigi sorulari,hata yatig! yerleri 6grenirse basarili olur.Makine 6grenmesi de buna benzer bir stre¢ izler. Makine Ogrenmesi Ornekleri Makine 6grenmesi teknolojik alanlardaki buttn gelismeler igin cok 6nemli bir kavram ve gUnimuzde cok ¢esitli uygulamalarda kullanilmaktadir. is zekasi (Bl) ve analitik ekipleri , kullanicilarin potansiyel olarak 6nemli verilerinin otomatik olarak tanimlamasina yardimci olmak icin yazilimlarinda makine dgrenimini kullanir. insan kaynaklari (HR) sistemleri, etkili calisaniarin 6zelliklerini tanimlamak icin 6grenme modellerini kullanirlar ve agik pozisyonlara en iyi adaylari bulmak igin bu bilgiye guvenirler. Makine Ogrenimi, gelecekle ilgili tahminler yapmak amaciyla da kullanilabiliyor. Ornegin, hava tahmini uygulamalarinda mevcut hava durumu verileri ve gecmis veriler islenerek gelecege yonelik hava kosullart hakkinda bilgiler ¢ikarilabilmektedir.Konut fiyat tahmini de yine bu konu icin bir 6rnek.Bu konuda model ; ev, ev konumu, yakinlardaki ulasim araglar! bilgisi,oda sayisi ve arazi degeri gibi bilgileri kullanarak evin gergek degerini tahmin cae ¢alisir. Folin! 1 = (a) ; eM NCSU ott ) i ‘ a Clustering } ‘ = Linear = Polynomial = PCA # Decision Tree K-means = SVD = KNN = Apriori = Trees = FP-Growth = Logistic Regression = Naive-Bayes M 1 -Gézetimii (Supervised) Makine Ogrenmesi Gézetimli makine 6grenmesi algoritmalar!, makine o6grenmesi algoritmalari iginde en yaygin olarak kullanilanilan algoritmalardir.Bu modelleme seklinde veri bilimcileri bir 6gretmen olarak dustinebiliriz.Algoritmaya hangi sonuglar! cikaracagini 6gretirler.Algoritma resimli bir kitaptan meyveleri ezberleyerek 6grenmeye calisan kuguk bir cocuk gibi 6nceden etiketlenmis ciktis! olan veri setleriyle egitilir. Ornegin bir mail icinde “para kazan’ ifadesi geciyorsa maili spam olarak isaretle gibi yol gdstermelerde bulunur. Gézetimli OGrenme problemlerini iki turde inceleyebiliriz : Siniflandirma : Her bir gézleme(X) bir sinif (kategori,Y) atmasi yapar : hasta / saglikli Y = f(X) Sagdaki veri setinde amacimiz x girdisine (gézlemine) karsi Y x y etiket degerini belirlemektir. 2 0 Oyle bir f : X -> Y siniflandirma fonksiyonu tanimlamalryiz ki en ° 9 az hata ile siniflandirma yapalim 9 0 0, X<20 20 1 Y= 27 1 1, X>20 33 1 Ornek : Naive Bayes Classifier algoritmasi , k- nearest neighbor algoritmas!,SVM(Support vector machine) algoritmasi... Regresyon : Makine 6grenmesi modeli degiskenler arasindaki iliskileri tahmin eder ve anlar. Regresyon analizi, bir bagiml degiskene ve bir dizi baska degiskene odaklanir. Bu, 6zellikle tahmin igin faydalidir.Ornegin : “2012 model 40.000 km’de Mia Torento arabanin fiyati 46.000 TL olmalidir’. 2-Gézetimsiz (Unsupervised) Makine Ogrenmesi Makine dgrenimi, bir insan tarafindan é6grenim saglanmadan, bilgisayarin kompleks strecleri ve modelleri bagimsiz olarak 6grendigi yaklasima dayanir.G6zetimsiz makine d6greniminde etiket (Y) yoktur.Yalnizca girdiler (X) vardir. Gézetimsiz Ogrenme problemlerini iki tirde inceleyebiliriz : Kumeleme : Kumeleme, benzer verilerin (tanimlanmis kriterlere gore) gruplandirilmasini icerir.Orn: bir okuldaki 6grenci gruplarini tespit etmek. Boyut Azaltma : Gézlemlerin mevcut 6zellik sayisini az ve 6z hale indirir, bize en iyi dgrenme imkan| sunar. Boyut azaltma, 6znitelik cikarimi ve dzellik secimi yontemleri kullanilarak yapilabilir. 3-Takviyeli (Reinforcement) Makine Ogrenmesi Amag odakli bir yontem oldugu icin diger iki 6grenme ydntemine gore biraz farkliliklar igermektedir. Aslinda davranis psikolojisinden yola cikan bir 6grenme yéntemidir. Odild en ust dizeye cikaracak davranislari 6grenerek, aracinin mevcut durumuna dayali siradaki en etkili islemi belirlemesini saglayan bir makine 6grenmesi algoritmasi turudir. Takviyeli 6grenmede yazilimlar, genellikle deneme yanilma yoluyla en iyi eylemleri 6grenirler. Genel olarak robotikte kullanilir. Burada bir robot, engele carptiktan sonra negatif geri bildirim alarak garpismalardan kagmay! 6grenebilir. Buradaki 6dil konusunu ben bir bebegin sicak bir nesneye dokunup elinin yanmasina ve bundan