Makine öğrenmesi algoritmaları, veriden örüntü öğrenerek sınıflandırma, tahmin, gruplama veya karar verme gibi görevleri yerine getiren yöntemlerdir. Doğru algoritmayı seçmek için önce elinizde hedef etiketi olup olmadığını, çıktının kategori mi sayısal değer mi olduğunu ve modelin bir ödül sinyaline göre öğrenip öğrenmediğini belirleyin. Böylece problemi denetimli, denetimsiz, yarı denetimli, öz denetimli veya pekiştirmeli öğrenme yaklaşımına yerleştirip uygun algoritma ailesini seçebilirsiniz.
Bir algoritmanın adı kadar, çözmeye çalıştığı görev de önemlidir. Örneğin karar ağacı hem sınıflandırma hem de regresyon için kullanılabilir; k-means ise doğrudan sınıf etiketi tahmin etmek yerine benzer kayıtları kümeler. Bu nedenle “hangi algoritma daha iyi?” sorusundan önce “çıktım ne olmalı?” sorusunu yanıtlamak gerekir.
Sınıflandırmada model, girdiyi önceden tanımlanmış sınıflardan birine veya birkaçına atar. E-postanın istenmeyen posta olup olmadığını belirlemek, işlemi dolandırıcılık olarak işaretlemek veya bir görüntünün kedi içerip içermediğini tahmin etmek bu kapsamdadır.
Yaygın algoritmalar arasında lojistik regresyon, karar ağaçları, rastgele orman, destek vektör makineleri, k-en yakın komşu ve sinir ağları bulunur. İki sınıflı problemlerde sonuç örneğin “spam” veya “spam değil”, çok sınıflı problemlerde ise “kedi”, “köpek” veya “kuş” olabilir.
Modelin ürettiği sınıf, gerçek dünyadaki kesin gerçeği kanıtlamaz. Yalnızca eğitim verisindeki örüntülere göre olasılıklı bir tahmindir. Bu yüzden doğruluk tek başına yeterli olmayabilir; özellikle nadir görülen dolandırıcılık gibi sınıflarda kesinlik, duyarlılık ve F1 skoru da değerlendirilmelidir.
Regresyonda amaç, sürekli bir sayıyı tahmin etmektir. Bir evin tahmini fiyatı, teslimat süresi, aylık satış miktarı veya enerji tüketimi regresyon problemine örnektir.
Doğrusal regresyon, karar ağacı regresyonu, rastgele orman regresyonu, gradyan artırma yöntemleri ve sinir ağları bu görevde kullanılabilir. Örneğin girdi olarak evin metrekaresi, oda sayısı ve konumu verildiğinde model 3.250.000 TL gibi sayısal bir tahmin üretebilir. Bu değer gerçekleşecek kesin fiyatı değil, kullanılan veriye göre beklenen tahmini gösterir. Veri setinde benzer evler yoksa veya fiyatı etkileyen önemli bir değişken modele verilmemişse sonuç yanıltıcı olabilir.
Kümelemede eğitim verisinde önceden verilmiş doğru cevap bulunmaz. Algoritma, birbirine benzeyen kayıtları aynı gruplarda toplamaya çalışır. K-means, hiyerarşik kümeleme ve DBSCAN bu amaçla kullanılan yöntemlerdir.
Örneğin bir mağaza; alışveriş sıklığı, ortalama harcama ve ürün tercihlerini kullanarak müşterileri üç kümeye ayırabilir. Çıktı “Küme 1”, “Küme 2” ve “Küme 3” şeklinde olur. Bu adlar kendi başına anlam taşımaz; her kümenin ortalama davranışını inceleyerek grupların neyi temsil ettiğini yorumlamak gerekir. Kümeleme, müşterilerin doğal olarak gerçekten üç tür olduğunu kanıtlamaz; seçilen değişkenlere ve küme sayısına bağlı bir modelleme sonucudur.
Boyut azaltma, çok sayıda değişkeni daha az sayıda bileşenle temsil ederek veriyi görselleştirmeyi, gürültüyü azaltmayı veya işlem maliyetini düşürmeyi amaçlar. Temel bileşenler analizi (PCA), t-SNE ve UMAP bu alanda kullanılan yöntemlerdir. Boyut azaltma sonucunda elde edilen bileşenler her zaman doğrudan iş anlamına gelen yeni değişkenler değildir; çoğu zaman verinin yoğunluk yapısını özetler.
Anomali tespitinde amaç, genel davranıştan belirgin biçimde ayrılan kayıtları bulmaktır. İzolasyon ormanı, tek sınıflı destek vektör makineleri ve yerel aykırılık faktörü bu amaçla kullanılabilir. Anomali olarak işaretlenen kayıt mutlaka hatalı veya kötü niyetli değildir; olağandışı olması nedeniyle ayrıca incelenmesi gerekir.
Aynı görev farklı öğrenme yaklaşımlarıyla çözülebilir. Belirleyici ölçüt, veride hedef çıktının bulunup bulunmamasıdır.
Denetimli öğrenmede örneğin her işlem için “dolandırıcılık” veya “normal” etiketi gerekir. Yarı denetimli öğrenme, etiketlemesi pahalı olan durumlarda az sayıdaki etiketli kaydı çok sayıdaki etiketsiz kayıtla birlikte kullanmayı hedefler. Öz denetimli öğrenmede ise model, doğrudan insan tarafından verilmiş etiket yerine verinin bir bölümünü tahmin ederek temsil öğrenir. Pekiştirmeli öğrenmede model tek tek doğru cevaplarla değil, ardışık eylemlerin sonunda aldığı ödül veya ceza sinyaliyle yönlendirilir.
Önce hedef değişkeni belirleyin: hedef bir kategori ise sınıflandırma, sürekli bir sayı ise regresyon düşünün. Hedef değişken yoksa benzer gruplar için kümeleme, veriyi daha az boyutta incelemek için boyut azaltma, olağandışı kayıtları bulmak için anomali tespitini değerlendirin. Kararlar art arda alınıyor ve her kararın ödül ya da maliyet sonucu oluşuyorsa pekiştirmeli öğrenme daha uygun bir çerçeve olabilir.
Ardından veri miktarı, eksik değerler, değişken türleri, açıklanabilirlik ihtiyacı ve hata maliyetini karşılaştırın. Küçük ve açıklanabilir bir veri setinde doğrusal model veya karar ağacı yeterli olabilirken, karmaşık görüntü ya da metin verilerinde sinir ağları daha uygun olabilir. Daha karmaşık bir algoritma otomatik olarak daha doğru sonuç vermez; eğitim verisine aşırı uyum sağlama, veri sızıntısı ve dengesiz sınıflar sonucu bozabilir.
Bir modeli değerlendirmek için veriyi eğitim ve test bölümlerine ayırın; modelin test verisinde daha önce görmediği örneklerdeki başarısını inceleyin. Test sonucu iyi olsa bile bu, modelin her yeni durumda doğru karar vereceğini kanıtlamaz. Verinin gerçek kullanım ortamını temsil edip etmediğini, hataların hangi sınıflarda yoğunlaştığını ve tahminlerin karar sürecinde nasıl kullanılacağını ayrıca kontrol etmek gerekir.
Makine öğrenmesi algoritmaları hangi görevlere ayrılır?
Bir algoritmanın adı kadar, çözmeye çalıştığı görev de önemlidir. Örneğin karar ağacı hem sınıflandırma hem de regresyon için kullanılabilir; k-means ise doğrudan sınıf etiketi tahmin etmek yerine benzer kayıtları kümeler. Bu nedenle “hangi algoritma daha iyi?” sorusundan önce “çıktım ne olmalı?” sorusunu yanıtlamak gerekir.
Sınıflandırma: Çıktı bir kategori olduğunda
Sınıflandırmada model, girdiyi önceden tanımlanmış sınıflardan birine veya birkaçına atar. E-postanın istenmeyen posta olup olmadığını belirlemek, işlemi dolandırıcılık olarak işaretlemek veya bir görüntünün kedi içerip içermediğini tahmin etmek bu kapsamdadır.
Yaygın algoritmalar arasında lojistik regresyon, karar ağaçları, rastgele orman, destek vektör makineleri, k-en yakın komşu ve sinir ağları bulunur. İki sınıflı problemlerde sonuç örneğin “spam” veya “spam değil”, çok sınıflı problemlerde ise “kedi”, “köpek” veya “kuş” olabilir.
Modelin ürettiği sınıf, gerçek dünyadaki kesin gerçeği kanıtlamaz. Yalnızca eğitim verisindeki örüntülere göre olasılıklı bir tahmindir. Bu yüzden doğruluk tek başına yeterli olmayabilir; özellikle nadir görülen dolandırıcılık gibi sınıflarda kesinlik, duyarlılık ve F1 skoru da değerlendirilmelidir.
Regresyon: Çıktı sayısal bir değer olduğunda
Regresyonda amaç, sürekli bir sayıyı tahmin etmektir. Bir evin tahmini fiyatı, teslimat süresi, aylık satış miktarı veya enerji tüketimi regresyon problemine örnektir.
Doğrusal regresyon, karar ağacı regresyonu, rastgele orman regresyonu, gradyan artırma yöntemleri ve sinir ağları bu görevde kullanılabilir. Örneğin girdi olarak evin metrekaresi, oda sayısı ve konumu verildiğinde model 3.250.000 TL gibi sayısal bir tahmin üretebilir. Bu değer gerçekleşecek kesin fiyatı değil, kullanılan veriye göre beklenen tahmini gösterir. Veri setinde benzer evler yoksa veya fiyatı etkileyen önemli bir değişken modele verilmemişse sonuç yanıltıcı olabilir.
Kümeleme: Etiket bulunmadığında benzer kayıtları gruplama
Kümelemede eğitim verisinde önceden verilmiş doğru cevap bulunmaz. Algoritma, birbirine benzeyen kayıtları aynı gruplarda toplamaya çalışır. K-means, hiyerarşik kümeleme ve DBSCAN bu amaçla kullanılan yöntemlerdir.
Örneğin bir mağaza; alışveriş sıklığı, ortalama harcama ve ürün tercihlerini kullanarak müşterileri üç kümeye ayırabilir. Çıktı “Küme 1”, “Küme 2” ve “Küme 3” şeklinde olur. Bu adlar kendi başına anlam taşımaz; her kümenin ortalama davranışını inceleyerek grupların neyi temsil ettiğini yorumlamak gerekir. Kümeleme, müşterilerin doğal olarak gerçekten üç tür olduğunu kanıtlamaz; seçilen değişkenlere ve küme sayısına bağlı bir modelleme sonucudur.
Boyut azaltma ve anomali tespiti
Boyut azaltma, çok sayıda değişkeni daha az sayıda bileşenle temsil ederek veriyi görselleştirmeyi, gürültüyü azaltmayı veya işlem maliyetini düşürmeyi amaçlar. Temel bileşenler analizi (PCA), t-SNE ve UMAP bu alanda kullanılan yöntemlerdir. Boyut azaltma sonucunda elde edilen bileşenler her zaman doğrudan iş anlamına gelen yeni değişkenler değildir; çoğu zaman verinin yoğunluk yapısını özetler.
Anomali tespitinde amaç, genel davranıştan belirgin biçimde ayrılan kayıtları bulmaktır. İzolasyon ormanı, tek sınıflı destek vektör makineleri ve yerel aykırılık faktörü bu amaçla kullanılabilir. Anomali olarak işaretlenen kayıt mutlaka hatalı veya kötü niyetli değildir; olağandışı olması nedeniyle ayrıca incelenmesi gerekir.
Öğrenme yaklaşımına göre algoritma seçimi
Aynı görev farklı öğrenme yaklaşımlarıyla çözülebilir. Belirleyici ölçüt, veride hedef çıktının bulunup bulunmamasıdır.
| Yaklaşım | Veri yapısı | Tipik görev | Örnek algoritmalar |
|---|---|---|---|
| Denetimli öğrenme | Girdi ve doğru çıktı birlikte bulunur | Sınıflandırma, regresyon | Lojistik regresyon, karar ağacı, rastgele orman |
| Denetimsiz öğrenme | Yalnızca girdiler bulunur | Kümeleme, boyut azaltma, anomali tespiti | K-means, PCA, DBSCAN |
| Yarı denetimli öğrenme | Az sayıda etiketli, çok sayıda etiketsiz veri bulunur | Etiketleme maliyetinin yüksek olduğu sınıflandırma görevleri | Yarı denetimli sınıflandırma yöntemleri |
| Öz denetimli öğrenme | Etiket, verinin kendisinden türetilir | Temsil öğrenme, metin ve görüntü ön eğitimi | Maskeli tahmin ve benzeri ön eğitim görevleri |
| Pekiştirmeli öğrenme | Ajan, eylemlerinin ödülünü gözlemler | Sıralı karar verme ve kontrol | Q-öğrenme, politika tabanlı yöntemler |
Göreve göre seçim nasıl yapılır?
Önce hedef değişkeni belirleyin: hedef bir kategori ise sınıflandırma, sürekli bir sayı ise regresyon düşünün. Hedef değişken yoksa benzer gruplar için kümeleme, veriyi daha az boyutta incelemek için boyut azaltma, olağandışı kayıtları bulmak için anomali tespitini değerlendirin. Kararlar art arda alınıyor ve her kararın ödül ya da maliyet sonucu oluşuyorsa pekiştirmeli öğrenme daha uygun bir çerçeve olabilir.
Ardından veri miktarı, eksik değerler, değişken türleri, açıklanabilirlik ihtiyacı ve hata maliyetini karşılaştırın. Küçük ve açıklanabilir bir veri setinde doğrusal model veya karar ağacı yeterli olabilirken, karmaşık görüntü ya da metin verilerinde sinir ağları daha uygun olabilir. Daha karmaşık bir algoritma otomatik olarak daha doğru sonuç vermez; eğitim verisine aşırı uyum sağlama, veri sızıntısı ve dengesiz sınıflar sonucu bozabilir.
Bir modeli değerlendirmek için veriyi eğitim ve test bölümlerine ayırın; modelin test verisinde daha önce görmediği örneklerdeki başarısını inceleyin. Test sonucu iyi olsa bile bu, modelin her yeni durumda doğru karar vereceğini kanıtlamaz. Verinin gerçek kullanım ortamını temsil edip etmediğini, hataların hangi sınıflarda yoğunlaştığını ve tahminlerin karar sürecinde nasıl kullanılacağını ayrıca kontrol etmek gerekir.
