Makine Öğrenmesi (Machine Learning)
< class="single-post-content-description">

Makine öğrenimi, bilgisayarların insanlar gibi davranması ve hatta zamanla öğrenmelerini, veri ve bunların istatistiksel analizleri sonucunda işlenmesi ile sağlayan bir bilimdir.

Makine öğrenmesi gözetimli ve gözetimsiz olarak iki farklı veri tipini inceler. Peki gözetimli öğrenme ve gözetimsiz öğrenme nedir?

Gözetimli öğrenme için şöyle bir veri setimiz olsun, bir bölgedeki ev fiyatları ve bu evlerin metrekareleri aşağıdaki gibi verilsin.

Biraz teori katalım ve x i ler girdi

m2 Fiyat
120 255.000
112 160.000
90 120.000
140 320.000
... ...

(m 2) ve y iler çıktı (evin fiyatı) olarak nitelensin, tüm veriyi bölerek ayıracağınız (genellikle %80 ya da 70 oranında bölmek tercih edilir) ve modeli kuracağınız (x i, y i) veri seti eğitim veri seti olarak adlandırılır ve siz bu set ile modeli kurduktan sonra test seti ile modeli test edersiniz. Buradan yola çıkarak gözetimli öğrenme, girdiler ile çıktılar arasında veriyi iyi tanımlayan bir f(x) fonksiyonu oluşturmaktır, ve bu fonksiyonu sonraki süreçlerde tahminleme de kullanılacaktır, yani yukarıda bir regresyon modeli kurduktan sonar yeni bir metrekare bilgisi geldiğinde artık siz o evin fiyatını tahminleyebilirsiniz ancak unutulmamalıdır ki ne kadar az bilgi ile bu işi yaparsanız o kadar kötü tahminlersiniz yani evin başka bilgileri de fiyat tahm,n,nde kullanılması gerekecektir..

Gözetimsiz öğrenme ise veri de girdiler ve çıktılar net değildir, aslında örneğimizden anlatalım fiyatı bilmeseydik ve ekstra bazı bilgiler de bilseydik, mesela oda sayısı, deniz manzarası gibi bu durumda dahi veriden bilgi çıkrabilirdik, bu tip yapılardan öğrnmeye de gözetimsiz öğrenme diyoruz. Bu öğrenme tipinde en çok kullanılan yöntem kümeleme yöntemidir.