19 Mart 2025

Machine Learning Yolculuğum #1

Rima

favorite 1 visibility 4 bookmark 0

yazılım teknoloji

Makine öğrenmesi modeli seçerken aslında yapmamız gereken ilk adım problemin türünü belirlememizdir. Örneğin;

Regresyon 📈 | Sürekli bir sayısal değer tahmini yapılacaksa | Evin fiyatını tahmin etmek, bir kullanıcının harcama miktarını tahmin etmek
Sınıflandırma 🎯 | Veriler belirli kategorilere ayrılıyorsa | Bir e-postanın spam olup olmadığını belirlemek, hastalık teşhisi
Kümeleme 🔍 | Verileri önceden belirlenmemiş gruplara ayırmak istiyorsan | Müşterileri alışkanlıklarına göre gruplamak
Zaman Serisi Analizi ⏳ | Zaman içindeki değişimleri tahmin etmek | Hisse senedi fiyat tahmini, hava durumu tahmini
Öneri Sistemleri 🎥 | Kullanıcılara ürün, film, kitap önerisi yapmak | Netflix, Spotify, Amazon öneri sistemleri

Doğru modeli seçmek veriyi doğru anlamaktan geçer. Bu nedenle;

-Bağımsız değişkenler (features) sayısal mı, kategorik mi?

Sayısal değişkenler: Yaş, gelir, sıcaklık gibi sürekli değişkenler
Kategorik değişkenler: Cinsiyet, şehir, renk gibi belirli sınıflara ayrılan değişkenler

-Eksik veriler var mı? Temizleme ve doldurma (imputation) gerekiyor mu?

-Veri dengesiz mi? (Örneğin, bir sınıfta çok az, diğerinde çok fazla örnek varsa?)

-Özellik sayısı fazla mı? (Dimensionality Reduction yani boyut azaltma gerekiyor mu?) gibi sorular sorulmalı ve cevaplar için pandas, matplotlib, seaborn gibi kütüphaneleri kullanırız.

Daha sonra ise doğru alhoritmayı seçmek için kriterlerimizi değerlerlendiririz;

Sürekli Sayısal Değer (Regresyon) | Linear Regression, Random Forest Regressor, XGBoost, Neural Networks (Ev fiyat tahmini)
İkili (Binary) Sınıflandırma | Logistic Regression, Decision Trees, Random Forest, SVM, Neural Networks (Titanic yolcuların sağ kurtulma tahmini)
Çoklu Sınıflandırma | Random Forest, XGBoost, Naive Bayes, CNN
Kümeleme | K-Means, DBSCAN, Hierarchical Clustering
Zaman Serisi Analizi | ARIMA, LSTM, Prophet

Ve tabi sonrasında seçtiğimiz bu model test edilip, değerlendirilerek, tahminler yaparak, ölçeklendirmeler yapılarak daha iyi tahminler yapması için eğitilir.