Kümeleme ve sınıflandırma, verileri gruplamak için kullanılsa da temel fark şudur: sınıflandırma, önceden tanımlanmış sınıflara etiketli verilerle yeni kayıt atar; kümeleme ise sınıf adları verilmemiş veriler içindeki benzerlikleri bulup grupları kendisi oluşturur. Elinizde doğru cevapları gösteren örnekler varsa sınıflandırma, böyle bir etiket yoksa ve verinin doğal gruplarını keşfetmek istiyorsanız kümeleme uygundur.
Sınıflandırmada her eğitim kaydının bilinen bir hedef etiketi bulunur. Örneğin bir e-postanın “istenmeyen” veya “normal” olduğu önceden işaretlenmiştir. Model, bu örneklerden kuralları öğrenir ve daha sonra gelen yeni e-postanın hangi sınıfa ait olduğunu tahmin eder. Sınıflar genellikle işlem başlamadan önce belirlenir.
Kümelemede ise kayıtlara önceden “A”, “B” veya “C” gibi doğru sınıf adları verilmez. Algoritma; yaş, harcama tutarı, ziyaret sıklığı veya benzeri özellikler arasındaki yakınlığa bakarak birbirine benzeyen kayıtları aynı kümeye almaya çalışır. Ortaya çıkan kümelerin anlamını daha sonra insan yorumlar.
Örneğin bir mağazanın elinde müşterilere ait yaş ve aylık harcama bilgileri olduğunu düşünelim. “Öğrenci”, “düzenli müşteri” veya “yüksek harcama yapan müşteri” etiketleri yoksa kümeleme, benzer müşteri gruplarını keşfetmek için kullanılabilir. Bu gruplara anlamlı adları mağaza çalışanları verir. Eğer geçmişte her müşterinin hangi gruba ait olduğu zaten kaydedilmişse yeni müşterileri bu sınıflara atamak için sınıflandırma kullanılabilir.
Aşağıdaki ayrım, hangi yaklaşımın uygun olduğunu seçmenize yardımcı olur.
Bu tablo, yöntemlerin birbirinin doğrudan alternatifi olmadığını gösterir. Sınıflandırma “Bu kayıt hangi bilinen kategoriye ait?” sorusunu, kümeleme ise “Bu veriler hangi doğal gruplara ayrılıyor?” sorusunu yanıtlar.
Varsayımsal olarak aşağıdaki üç müşterinin yalnızca yaş ve aylık harcama bilgilerini kullandığınızı düşünün:
Bu verilerde kümeleme kullanılırsa ilk iki müşteri benzer özellikleri nedeniyle aynı kümeye, üçüncü müşteri ise farklı bir kümeye yerleşebilir. Ancak algoritma bu kümelere kendiliğinden “düşük harcama” ve “yüksek harcama” adlarını vermek zorunda değildir; yalnızca grup yapısını ortaya çıkarır.
Aynı örnekte, geçmiş kayıtların hedef etiketleri şöyleyse:
sınıflandırma modeli bu etiketli örneklerden öğrenerek yeni bir müşterinin “Öğrenci” veya “VIP” sınıfına ait olma olasılığını tahmin edebilir. Yeni müşterinin gerçekten bu sınıfa ait olup olmadığı, eğitim sırasında kullanılmamış ve doğru etiketi bilinen verilerle değerlendirilmelidir.
Kümelemeyi seçin eğer hedef etiketleriniz yoksa, veri içindeki bilinmeyen grupları keşfetmek istiyorsanız veya müşteri, belge ve ürünleri benzerliklerine göre incelemek istiyorsanız. Sonuçları doğrudan gerçek kategoriler olarak kabul etmeyin; kullanılan özellikler, benzerlik ölçüsü ve küme sayısı değiştiğinde gruplar da değişebilir.
Sınıflandırmayı seçin eğer tahmin etmek istediğiniz sınıflar önceden belliyse ve bu sınıflara ait yeterli sayıda güvenilir etiketli örneğiniz varsa. Modelin eğitim verisini ezberlemesi, yeni verilerde de doğru çalıştığını kanıtlamaz. Bu nedenle performans, eğitimde kullanılmamış test verisiyle ölçülmelidir.
Pratikte iki yöntem art arda da kullanılabilir. Önce kümeleme ile etiketlenmemiş müşteri verisindeki olası gruplar keşfedilebilir; uzman incelemesinden sonra bu gruplara anlamlı etiketler verilebilir. Daha sonra yeni müşterileri bu bilinen gruplara otomatik atamak için sınıflandırma modeli kurulabilir. Ancak bu süreçte küme adlarının insanlar tarafından yorumlanmış olması gerekir; algoritmanın oluşturduğu küme numarası tek başına gerçek bir kategori anlamına gelmez.
Temel ayrım: Etiketli ve etiketsiz veri
Sınıflandırmada her eğitim kaydının bilinen bir hedef etiketi bulunur. Örneğin bir e-postanın “istenmeyen” veya “normal” olduğu önceden işaretlenmiştir. Model, bu örneklerden kuralları öğrenir ve daha sonra gelen yeni e-postanın hangi sınıfa ait olduğunu tahmin eder. Sınıflar genellikle işlem başlamadan önce belirlenir.
Kümelemede ise kayıtlara önceden “A”, “B” veya “C” gibi doğru sınıf adları verilmez. Algoritma; yaş, harcama tutarı, ziyaret sıklığı veya benzeri özellikler arasındaki yakınlığa bakarak birbirine benzeyen kayıtları aynı kümeye almaya çalışır. Ortaya çıkan kümelerin anlamını daha sonra insan yorumlar.
Örneğin bir mağazanın elinde müşterilere ait yaş ve aylık harcama bilgileri olduğunu düşünelim. “Öğrenci”, “düzenli müşteri” veya “yüksek harcama yapan müşteri” etiketleri yoksa kümeleme, benzer müşteri gruplarını keşfetmek için kullanılabilir. Bu gruplara anlamlı adları mağaza çalışanları verir. Eğer geçmişte her müşterinin hangi gruba ait olduğu zaten kaydedilmişse yeni müşterileri bu sınıflara atamak için sınıflandırma kullanılabilir.
Kümeleme ve sınıflandırma nasıl karşılaştırılır?
Aşağıdaki ayrım, hangi yaklaşımın uygun olduğunu seçmenize yardımcı olur.
| Ölçüt | Kümeleme | Sınıflandırma |
|---|---|---|
| Öğrenme türü | Denetimsiz öğrenme | Denetimli öğrenme |
| Eğitim verisi | Etiket gerektirmez | Etiketli örnekler gerektirir |
| Amaç | Doğal benzerlikleri ve grupları keşfetmek | Yeni kaydı bilinen bir sınıfa atamak |
| Sınıf sayısı | Algoritmaya veya yönteme göre belirlenebilir | Genellikle önceden tanımlıdır |
| Sonucun anlamı | Kümeler sonradan yorumlanır | Tahmin edilen sınıf doğrudan hedef etikettir |
| Örnek kullanım | Müşteri segmentasyonu, benzer belge gruplama | Spam tespiti, hastalık sınıfı tahmini, görüntü tanıma |
Aynı müşteri verisinde iki yöntemin sonucu
Varsayımsal olarak aşağıdaki üç müşterinin yalnızca yaş ve aylık harcama bilgilerini kullandığınızı düşünün:
Kod:
Müşteri 1: 22 yaş, 500 TL
Müşteri 2: 24 yaş, 550 TL
Müşteri 3: 45 yaş, 5000 TLBu verilerde kümeleme kullanılırsa ilk iki müşteri benzer özellikleri nedeniyle aynı kümeye, üçüncü müşteri ise farklı bir kümeye yerleşebilir. Ancak algoritma bu kümelere kendiliğinden “düşük harcama” ve “yüksek harcama” adlarını vermek zorunda değildir; yalnızca grup yapısını ortaya çıkarır.
Aynı örnekte, geçmiş kayıtların hedef etiketleri şöyleyse:
Kod:
Müşteri 1: Öğrenci
Müşteri 2: Öğrenci
Müşteri 3: VIPsınıflandırma modeli bu etiketli örneklerden öğrenerek yeni bir müşterinin “Öğrenci” veya “VIP” sınıfına ait olma olasılığını tahmin edebilir. Yeni müşterinin gerçekten bu sınıfa ait olup olmadığı, eğitim sırasında kullanılmamış ve doğru etiketi bilinen verilerle değerlendirilmelidir.
Hangi durumda hangisini seçmelisiniz?
Kümelemeyi seçin eğer hedef etiketleriniz yoksa, veri içindeki bilinmeyen grupları keşfetmek istiyorsanız veya müşteri, belge ve ürünleri benzerliklerine göre incelemek istiyorsanız. Sonuçları doğrudan gerçek kategoriler olarak kabul etmeyin; kullanılan özellikler, benzerlik ölçüsü ve küme sayısı değiştiğinde gruplar da değişebilir.
Sınıflandırmayı seçin eğer tahmin etmek istediğiniz sınıflar önceden belliyse ve bu sınıflara ait yeterli sayıda güvenilir etiketli örneğiniz varsa. Modelin eğitim verisini ezberlemesi, yeni verilerde de doğru çalıştığını kanıtlamaz. Bu nedenle performans, eğitimde kullanılmamış test verisiyle ölçülmelidir.
Pratikte iki yöntem art arda da kullanılabilir. Önce kümeleme ile etiketlenmemiş müşteri verisindeki olası gruplar keşfedilebilir; uzman incelemesinden sonra bu gruplara anlamlı etiketler verilebilir. Daha sonra yeni müşterileri bu bilinen gruplara otomatik atamak için sınıflandırma modeli kurulabilir. Ancak bu süreçte küme adlarının insanlar tarafından yorumlanmış olması gerekir; algoritmanın oluşturduğu küme numarası tek başına gerçek bir kategori anlamına gelmez.
