Makine öğrenme
Makine Öğrenimi, bilgisayarın verileri ve istatistikleri inceleyerek öğrenmesini sağlar.
Makine Öğrenimi, yapay zeka (AI) yönünde bir adımdır.
Makine Öğrenimi, verileri analiz eden ve sonucu tahmin etmeyi öğrenen bir programdır.
Nereden Başlamalı?
Bu derste matematiğe geri döneceğiz ve istatistikleri inceleyeceğiz ve önemli sayıların veri kümelerine dayalı olarak nasıl hesaplanacağını öğreneceğiz.
İhtiyacımız olan cevapları almak için çeşitli Python modüllerini nasıl kullanacağımızı da öğreneceğiz.
Ve öğrendiklerimize dayanarak sonucu tahmin edebilen fonksiyonların nasıl yapıldığını öğreneceğiz.
Veri Kümesi
Bir bilgisayarın zihninde, bir veri seti herhangi bir veri topluluğudur. Bir diziden eksiksiz bir veritabanına kadar herhangi bir şey olabilir.
Bir dizi örneği:
[99,86,87,88,111,86,103,87,94,78,77,85,86]
Bir veritabanı örneği:
| karname | Renk | Yaş | Hız | Otomatik Geçiş |
| BMW | kırmızı | 5 | 99 | Y |
| Volvo | siyah | 7 | 86 | Y |
| VW | gri | 8 | 87 | n |
| VW | Beyaz | 7 | 88 | Y |
| Ford | Beyaz | 2 | 111 | Y |
| VW | Beyaz | 17 | 86 | Y |
| tesla | kırmızı | 2 | 103 | Y |
| BMW | siyah | 9 | 87 | Y |
| Volvo | gri | 4 | 94 | n |
| Ford | Beyaz | 11 | 78 | n |
| toyota | gri | 12 | 77 | n |
| VW | Beyaz | 9 | 85 | n |
| toyota | Mavi | 6 | 86 | Y |
Diziye bakarak ortalama değerin muhtemelen 80 veya 90 civarında olduğunu tahmin edebiliriz ve ayrıca en yüksek değeri ve en düşük değeri belirleyebiliriz ama başka ne yapabiliriz?
Ve veritabanına bakarak en popüler rengin beyaz olduğunu ve en eski arabanın 17 yaşında olduğunu görebiliriz, peki ya bir arabanın AutoPass'i olup olmadığını sadece diğer değerlere bakarak tahmin edebilirsek?
Makine Öğrenimi bunun için var! Verileri analiz etmek ve sonucu tahmin etmek!
Makine Öğreniminde çok büyük veri kümeleriyle çalışmak yaygındır. Bu öğreticide, makine öğreniminin farklı kavramlarını anlamayı mümkün olduğunca kolaylaştırmaya çalışacağız ve anlaşılması kolay küçük veri kümeleriyle çalışacağız.
Veri tipleri
Verileri analiz etmek için, ne tür verilerle uğraştığımızı bilmek önemlidir.
Veri türlerini üç ana kategoriye ayırabiliriz:
- Sayısal
- Kategorik
- sıralı
Sayısal veriler sayılardır ve iki sayısal kategoriye ayrılabilir:
- Ayrık Veri
- tamsayılarla sınırlı sayılar. Örnek: Geçen arabaların sayısı. - Sürekli Veri
- sonsuz değere sahip sayılar. Örnek: Bir öğenin fiyatı veya bir öğenin boyutu
Kategorik veriler, birbirine karşı ölçülemeyen değerlerdir. Örnek: bir renk değeri veya herhangi bir evet/hayır değeri.
Sıralı veriler, kategorik veriler gibidir, ancak birbirlerine karşı ölçülebilir. Örnek: A'nın B'den daha iyi olduğu okul notları vb.
Veri kaynağınızın veri türünü bilerek, bunları analiz ederken hangi tekniği kullanacağınızı bilebileceksiniz.
Sonraki bölümlerde istatistikler ve verileri analiz etme hakkında daha fazla bilgi edineceksiniz.