Makine Öğrenmesi Nedir Sorunun Merak Edilen Cevabı

İçeriği Paylaş:

Makine Öğrenmesi Nedir?

Makine Öğrenmesi

Bu yazımızda temel olarak makine öğrenmesi konusuna gireceğiz. Ama ilk olarak makine öğrenmesi nedir onu iyice kavrayalım.

Makine Öğrenmesi Nedir?

Makine öğrenmesi, örnek verileri ve geçmiş deneyimleri kullanarak performans kriterini optimize etmektir.

Makine öğrenmesinde verinin rolü kaçınılmazdır. Öğrenme algoritması, veriden bilgi veya özellik ortaya çıkarmak ve öğrenme için kullanılır. Veri setinin kalitesi ve büyüklüğü öğrenme ve tahmin performansını etkileyecektir.

Makine öğrenmesinin esası 3 bileşenden oluşur.

  • Bir örüntü mevcut olmalıdır.
  • Matematiksel formül olmamalıdır.
  • Elimizde veri olmalıdır.

 

 Makine öğrenmesi ile ne yapılır?

  • Tahmin
  • Kestirim
  • Sınıflandırma

Önerilmiş birçok makine öğrenmesi yöntemi mevcuttur. Farklı problemlerde farklı başarılara sahip olabilirler.   Günümüzde veriye erişmek kolay. Makine öğrenmesi teknikleri örüntü tanıma, veri madenciliği gibi alanlarda daha da etkin kullanılabilir.

Makine Öğrenmesi Terimler

Tahmin (prediction)

Veriden öğrenen modellerde sistem çıkısının nicel olması durumunda kullanılan yöntemlerin ürettiği değerlerdir.

 Sınıflandırma (classification)

Giriş verisine ait çıkışların nitel olduğu durumlarda kullanılan yöntemlerin her veri örneğinin hangi sınıfa ait olduğunu belirlemesidir.

 

  1.  Tahmin ve Kestirim : İstatistikte rasgele bir değişkenin bilinmeyen bir değerinin belirlenmesi için tahmin (prediction), bilinmeyen bir sabitin belirlenmesi içinse kestirim (estimation) kavramından bahsedilir. Çok yakın anlamları dolayısıyla bu iki terim literatürde çoğunlukla karıştırılarak aynı seyi ifade etmede kullanılır. Bir probleme ilişkin olarak sağdaki veri kümesi Amaç bir x girdisine karsı bir y değerini üretmektir. Buna göre veri üzerinde doğru ilişkiyi bulan öyle bir f :X->Y fonksiyonu tanımlanmalıdır ki en küçük hatayı üretsin. Bu basit problemde y=3*x çözümü kolayca görünmektedir.  Bulunan y=3*x çözümüne ilişkin olarak eğer x=50 değeri için y değeri istenirse kestirilen denklem yardımı ile y=150 tahmin değerini kolayca hesaplamak mümkün olur.
  2.  Sınıflandırma: Amaç probleme ait tüm uzayın belirli sayıda sınıfa bölünmesidir. Sağdaki veri kümesinde amaç X girdisine karsı Y etiket (label) değerini üretmektir. Öyle bir f:X->Y sınıflandırma fonksiyonu tanımlanmalıdır ki en az hata ile sınıflandırma yapılabilsin.

İçeriği Paylaş:
İlginizi Çekebilir
Yorum Yapılmamış

Henüz Hiç Yorum Yapılmadı..

Yorum Yaz

Makine Öğrenmesi Nedir?

BİLGİSAYAR

20/07/2017 | Yorum Yok | 67 | Mustafa Küçükakarsu