Makine öğrenmesinde sınıflandırma nedir?

Makine öğrenmesinde sınıflandırma, bir veriyi önceden tanımlanmış kategorilerden birine veya birkaçına atama işlemidir. Model, etiketlenmiş örneklerden girdiler ile doğru sınıf arasındaki ilişkiyi öğrenir; yeni bir veri verildiğinde sınıf tahmini üretir. Örneğin e-postanın içeriği ve gönderen bilgileri kullanılarak sonucun “spam” veya “spam değil” biçiminde tahmin edilmesi bir sınıflandırma problemidir.

Sınıflandırma nasıl çalışır?​

Sınıflandırmada her eğitim kaydı, modele sunulan özelliklerden ve bu kayda ait doğru sınıftan oluşur. “Mesaj uzunluğu”, “bağlantı sayısı” ve “belirli kelimelerin geçip geçmediği” özellik olabilir; “spam” ise hedef sınıftır. Model bu örnekleri kullanarak yeni girdiler için hangi sınıfın daha olası olduğunu öğrenir.

Örneğin varsayımsal olarak aşağıdaki veriler kullanılsın:
Model bu örneklerdeki düzenleri öğrenir. Yeni bir mesajda 3 bağlantı ve “ücretsiz” kelimesi varsa çıktısı “Spam” olabilir. Bu çıktı, modelin öğrendiği örüntülere göre yaptığı tahmindir; tek başına mesajın kesin olarak spam olduğunu kanıtlamaz. Sonuçları değerlendirmek için model daha önce görmediği test verileri üzerinde ölçülmelidir.

Sınıflandırma türleri​

Problemdeki sınıf yapısı, kullanılacak yöntemi ve çıktının nasıl yorumlanacağını belirler.
İkili sınıflandırmada model genellikle iki seçenekten birini seçer. Çok sınıflı sınıflandırmada “kırmızı, mavi veya yeşil” gibi birden fazla seçenek vardır ve her veri için tek sınıf beklenir. Çok etiketli sınıflandırmada ise bir veri aynı anda birden fazla sınıfa ait olabilir; bu nedenle “film hem komedi hem macera” gibi birden fazla çıktı üretilebilir.

Tahmin sonucu nasıl okunur?​

Birçok sınıflandırma modeli yalnızca sınıf adını değil, sınıflara ait güven veya olasılık benzeri skorları da üretir. Varsayımsal bir çıktı şöyle olabilir:


Bu sonuç, modelin mevcut girdiyi “Spam” sınıfına daha yakın gördüğünü gösterir. Ancak 0,91 değeri her zaman gerçek dünyadaki kesin doğruluk anlamına gelmez. Modelin skorlarının güvenilir olup olmadığı ayrıca doğrulanmalı, karar eşiği ise kullanım amacına göre seçilmelidir.

Örneğin zararlı bir işlemi kaçırmak, yanlış uyarı vermekten daha ciddi sonuç doğuruyorsa model daha hassas çalışacak şekilde değerlendirilebilir. Bunun karşılığında meşru işlemlerin yanlışlıkla riskli sınıfa atanması artabilir. Bu nedenle yalnızca genel doğruluk oranına bakmak yerine hata türlerini de incelemek gerekir.

Başarı nasıl değerlendirilir?​

Sınıflandırma verisi eğitim ve değerlendirme bölümlerine ayrılır. Model eğitim verisini öğrenmek için kullanır; değerlendirme verisi ise daha önce görmediği örneklerde ne kadar iyi tahmin yaptığını ölçer. Eğitim verisindeki yüksek başarı, yeni verilerde de aynı başarının elde edileceğini kanıtlamaz. Model eğitim örneklerini ezberlemiş olabilir; buna aşırı öğrenme denir.

Sonuçlar incelenirken doğru tahminlerin yanı sıra şu hatalar ayrılmalıdır:

• Yanlış pozitif: Gerçekte negatif olan bir verinin pozitif sınıfa atanması. Örneğin normal bir e-postanın spam olarak işaretlenmesi.
• Yanlış negatif: Gerçekte pozitif olan bir verinin negatif sınıfa atanması. Örneğin spam bir e-postanın gelen kutusuna bırakılması.
• Doğru pozitif ve doğru negatif: Modelin ilgili sınıfları doğru tahmin etmesi.

Dengesiz veri kümelerinde yalnızca doğruluk yanıltıcı olabilir. Örneğin kayıtların yüzde 99'u “normal” ise her kaydı normal tahmin eden bir model yüksek doğruluk gösterebilir; fakat “riskli” sınıfı hiç yakalayamayabilir. Bu durumda sınıf başına kesinlik, duyarlılık, F1 skoru ve karışıklık matrisi gibi ölçümler birlikte değerlendirilmelidir.

Sınıflandırma, regresyondan nasıl ayrılır?​

Sınıflandırma kategorik bir sonuç üretir: “onaylandı”, “reddedildi” veya “kedi” gibi. Regresyon ise sayısal ve genellikle sürekli bir değer tahmin eder; örneğin bir evin satış fiyatını veya gelecek ayki sıcaklığı tahmin etmek regresyon problemidir. Modelin çıktı türü, problemin sınıflandırma mı yoksa regresyon mu olduğunu belirleyen temel ölçüttür.

Sınıflandırma modelini seçmeden önce hedef değişkenin sınıflardan mı yoksa sayısal bir değerden mi oluştuğunu belirleyin. Sınıflar net değilse önce etiketlerin anlamını, bir verinin aynı anda kaç sınıfa ait olabileceğini ve yanlış tahminlerin hangi türünün daha maliyetli olduğunu tanımlamak gerekir.