Makine Öğrenmesi Sınıflandırma Algoritmaları [2021]

Gerçek Hayat Veri Setiyle Sınıflandırma Algoritmaları
Rating: 4.6 out of 5 (14 ratings)
2,026 students
Turkish

Tüm Makine Öğrenmesi Konularını
Çeşitli Kaynaklardan Farklı Farklı Uygulamalar
Gerçek Hayata Makine Öğrenmesini Uygulama
Makine Öğrenmesinde Temelde Nasıl Olduğunu

Requirements

  • Python Programlama Temeli

Description

Denetimli Öğrenme (Supervised Learning) Nedir?

Sınıflandırmaya dalmadan önce, Denetimli Öğrenmenin ne olduğuna bir göz atalım. Diyelim ki matematikte yeni bir kavram öğrenmeye çalışıyorsunuz ve bir problemi çözdükten sonra, haklı olup olmadığınızı görmek için çözümlere başvurabilirsiniz. Belirli bir problem türünü çözme yeteneğinizden emin olduğunuzda, cevaplara başvurmayı bırakacak ve önünüze konan soruları kendi başınıza çözeceksiniz. Denetimli Öğrenme, makine öğrenimi modelleriyle de bu şekilde çalışır. Denetimli Öğrenmede, model örnek alarak öğrenir. Girdi değişkenimizle birlikte modelimize ilgili doğru etiketleri de veriyoruz. Eğitim sırasında model, hangi etiketin verilerimize karşılık geldiğine bakar ve dolayısıyla verilerimizle bu etiketler arasındaki kalıpları bulabilir.

Denetimli Öğrenmenin bazı örnekleri şunları içerir:

  • Hangi postanın istenmeyen posta olduğunu ve istenmeyen posta olmadığını öğreterek istenmeyen posta algılamayı sınıflandırır.

  • Bir makineye sesinizi tanımayı öğrettiğiniz konuşma tanıma.

  • Bir makineye bir nesnenin nasıl göründüğünü göstererek ve diğer nesneler arasından o nesneyi seçmesini sağlayarak nesne tanıma.

Sınıflandırma Nedir?

Sınıflandırma, nesnelerin ve fikirlerin tanınması, anlaşılması ve önceden belirlenmiş kategorilere, yani “alt popülasyonlara” gruplandırılması süreci olarak tanımlanır. Bu önceden kategorize edilmiş eğitim veri kümelerinin yardımıyla, makine öğrenimi programlarındaki sınıflandırma, gelecekteki veri kümelerini ilgili ve ilgili kategorilere sınıflandırmak için çok çeşitli algoritmalardan yararlanır.

Makine öğreniminde kullanılan sınıflandırma algoritmaları, takip eden verilerin önceden belirlenmiş kategorilerden birine girme olasılığını veya olasılığını tahmin etmek amacıyla girdi eğitim verilerini kullanır. Sınıflandırmanın en yaygın uygulamalarından biri, günümüzün en iyi e-posta servis sağlayıcıları tarafından kullanıldığı şekliyle, e-postaları "spam" veya "spam olmayan" olarak filtrelemek içindir.

Kısacası, sınıflandırma bir "kalıp tanıma" biçimidir. Burada, eğitim verilerine uygulanan sınıflandırma algoritmaları, gelecekteki veri kümelerinde aynı modeli (benzer sayı dizileri, kelimeler veya duygular ve benzerleri) bulur.

Sınıflandırma algoritmalarını ayrıntılı olarak inceleyeceğiz ve bir metin analiz yazılımının, yapılandırılmamış metni görüş kutupluluğuna göre (olumlu, olumsuz, nötr ve benzeri) kategorize etmek için kullanılan duygu analizi gibi eylemleri nasıl gerçekleştirebileceğini keşfedeceğiz.

Who this course is for:

  • Veri Bilimne Meraklı Olanlar

Course content

1 section8 lectures1h 10m total length
  • Sınıflandırma için Veri Setini Düzenleme
    07:34
  • Lojistik (Logistic) Regresyon
    10:00
  • K-En Yakın Komşu (K-Nearest Neighbors(KNN) Algoritması
    09:10
  • Destek Vektör (Support Vector) Sınıflandırması
    08:30
  • Karar Ağacı (Decision Tree) Sınıflandırması
    07:33
  • Rassal Orman (Random Forest) Sınıflandırması
    06:17
  • Naive Bayes Sınıflandırması
    05:02
  • K-means Kümeleme Algoritması
    16:33

Instructor

Mühendislik Öğrencisi
İbrahim Can Erdoğan
  • 4.6 Instructor Rating
  • 37 Reviews
  • 6,811 Students
  • 3 Courses

Merhabalar ben İbrahim Can Erdoğan, Balıkesir Üniversitesi Endüstri mühendisliği 4. sınıf öğrencisiyim ve İstanbul Üniversitesi Yönetim Bilişim Sistemleri 1. Sınıf öğrencisiyim. Yazılıma olan merakım uzun süredir birçok alanda devam ediyor. Java, Python, C#, Excel VBA gibi birçok alanda eğitimler alarak, projeler gerçekleştiriyorum. Android uygulamalar geliştiriyorum ve makine öğrenmesinde özellikle görüntü işleme alanıyla ilgileniyorum. Yeni şeyler öğrenmek ve bu öğrendiklerimi kullanmaya çalışıyorum. Çeşitli alanda öğrendiklerimi, özenle hazırlanmış eğitim setleri ile sizlere sunmaya devam edeceğim.