Makine Öğrenimi Terminolojisi
Temel Makine Öğrenimi Terminolojileri şunlardır:
- ilişkiler
- Etiketler
- Özellikleri
- Modeller
- Eğitim
- çıkarım
ilişkiler
Makine öğrenimi sistemleri, Tahminler üretmek için Girdiler Arasındaki İlişkileri kullanır .
Cebirde, bir ilişki genellikle y = ax + b şeklinde yazılır :
- y , tahmin etmek istediğimiz etikettir
- a çizginin eğimidir
- x giriş değerleridir
- b kesişme noktasıdır
ML ile bir ilişki y = b + wx şeklinde yazılır :
- y , tahmin etmek istediğimiz etikettir
- w ağırlıktır (eğim)
- x özelliklerdir (giriş değerleri)
- b kesişme noktasıdır
Makine Öğrenimi Etiketleri
Makine Öğrenimi terminolojisinde etiket , tahmin etmek istediğimiz şeydir .
Doğrusal bir grafikteki y gibidir :
| Cebir | Makine öğrenme |
| y = balta + b | y = b + wx |
Makine Öğrenimi Özellikleri
Makine Öğrenimi terminolojisinde , özellikler girdidir .
Doğrusal bir grafikteki x değerleri gibidirler :
| Cebir | Makine öğrenme |
| y = bir x + b | y = b + wx |
Bazen farklı ağırlıklara sahip birçok özellik (giriş değerleri) olabilir:
y = b + w1x1 + w2x2 + w3x3 + w4x4 _ _ _ _ _
Makine Öğrenimi Modelleri
Model , etiket (y) ile özellikler (x) arasındaki ilişkiyi tanımlar.
Bir modelin hayatında üç aşama vardır:
- Veri toplama
- Eğitim
- çıkarım
Makine Öğrenimi Eğitimi
Eğitimin amacı, bir soruya cevap verebilecek bir model oluşturmaktır. Mesela bir ev için beklenen fiyat nedir?
Makine Öğrenimi Çıkarımı
Çıkarım, eğitimli modelin canlı verileri kullanarak değerleri çıkarmak (tahmin etmek) için kullanılmasıdır. Modeli üretime sokmak gibi.