Orange ile veri madenciliği iş akışı nasıl kurulur?

Orange ile veri madenciliği iş akışı kurmak için veriyi bir dosyadan alın, sütunların görevlerini belirleyin ve analiz amacınıza uygun araçları bağlayın. Başlangıç için en anlaşılır örnek, sınıfı bilinen bir veri kümesinde iki öğrenme yöntemini karşılaştırmaktır. Böylece yalnızca bir model üretmekle kalmaz, sonuçların yeni örneklere ne kadar genellenebildiğini de değerlendirirsiniz.

Bu rehberde Orange’ın görsel çalışma alanındaki widget’lar kullanılır. Kod yazmak gerekmez. Amaç, bir sınıflandırma denemesi kurmaktır; hedef etiketi bulunmayan veride kümeleme yapmak ayrı bir akıştır.

1. Veriyi yükleyin ve doğru okunduğunu kontrol edin​

Çalışma alanına File ekleyin. Kendi CSV veya Excel dosyanızı açabilir, ilk deneme için File içinde sunulan örnek veri kümelerinden Iris’i seçebilirsiniz. Iris örneğinde çiçek ölçümlerinden çiçek türünü tahmin etmeyi denersiniz. Burada amaç yüksek bir başarı oranı vaat etmek değil, bağlantıların görevini öğrenmektir.

File çıkışını bir Data Table widget’ına bağlayın. Satırların gerçekten ayrı gözlemler olduğunu, sayısal sütunların metin olarak okunmadığını ve boş değerlerin beklediğiniz biçimde göründüğünü kontrol edin. CSV’de sütunlar birleşmiş görünüyorsa model aşamasına geçmeden ayırıcı ve veri türü sorununu çözün; daha ayrıntılı içe aktarma ayarları için CSV File Import kullanılabilir.

2. Select Columns ile sütun rollerini ayırın​

File’dan Select Columns widget’ına bir bağlantı kurun. Bu araçta sütunları şu şekilde düzenleyin:

• Features: Tahmin sırasında gerçekten bilinecek açıklayıcı sütunlar. Iris için çiçeğin sayısal ölçümleridir.
• Target: Tahmin edilecek sonuç. Sınıflandırma örneğinde çiçek türü gibi kategorik bir değişken olmalıdır.
• Meta: Satırı tanımaya yarayan ad veya kayıt numarası gibi, modele özellik olarak vermek istemediğiniz bilgiler.
• Ignored: Bu akışta kullanılmayacak sütunlar.

Hedefin kopyasını veya yalnızca sonuç gerçekleştikten sonra oluşan bir bilgiyi Features içine koymayın. Böyle bir sütun, değerlendirmeyi yapay biçimde iyileştirebilir. Hedefi kaldırırsanız aynı sınıflandırma akışı çalışmaz; önce sorununuzu ve veri rollerini düzeltmeniz gerekir. Roller için resmî Select Columns açıklamasına bakabilirsiniz.

3. Bağlantıları görevlerine göre kurun​

Aşağıdaki tablo, ilk denemede hangi bağlantının ne taşıdığını gösterir. Özellikle Preprocessor ile Preprocessed Data çıkışlarını karıştırmayın.
Bağlantı penceresinde birden fazla kanal sunulursa tablodaki giriş ve çıkışları seçin. Test and Score’a iki ayrı Learner bağlamak, aynı değerlendirme düzeninde iki yöntemi karşılaştırmanızı sağlar.

4. Eksik değerleri değerlendirme içinde işleyin​

Preprocess ekleyin ve içine Impute missing values adımını yerleştirin. Yalnız yöntem tanımlamak için bu widget’a veri bağlamanız gerekmez. Preprocessor çıkışını Test and Score’un aynı adlı girişine gönderin. Böylece işlem, çapraz doğrulamanın eğitim bölümleri içinde öğrenilir. Test bölümünün bilgisi ön işleme hesabına katılmamalıdır.

Select Columns → Impute → Test and Score biçiminde bütün veriyi önce doldurup ardından çapraz doğrulamaya vermeyin. Ayrı Impute widget’ı eksikleri doldurulmuş veri üretir; keşif amacıyla Data Table’a bağlanabilir. Model değerlendirmesinde ise Preprocess içindeki imputation yöntemini kullanın. Bu ayrım, veri sızıntısını önlemek açısından önemlidir.

Eksik değeri olmayan bir örnek veri kümesinde doldurma adımının sonucu değiştirmemesi normaldir. Farklı ölçeklerdeki özellikler için normalizasyon da değerlendirilebilir; modelin kendi varsayılan ön işlemlerini kontrol etmeden aynı dönüşümleri üst üste eklemeyin. Orange’ın Preprocess belgesi değerlendirmeye uygun bağlantıyı örnekler.

5. Sonucu tek puana indirgemeyin​

Test and Score içinde bağımsız gözlemlerden oluşan başlangıç denemesi için Cross-validation seçin; sınıflandırmada uygun olduğunda Stratified seçeneğini kullanın. Kat sayısını, her eğitim bölümünde sınıfların temsil edilebileceği şekilde belirleyin. Aynı kişiye ait tekrarlı kayıtlar veya zaman sıralı veriler varsa rastgele katlara ayırmak yeterli olmayabilir; bölmeyi problem yapısına göre tasarlayın.

Accuracy doğru tahminlerin oranıdır, fakat sınıflar dengesizse tek başına yanıltabilir. İlgilendiğiniz sınıfı ve hata maliyetini dikkate alarak precision, recall ve diğer uygun ölçütleri inceleyin. Confusion Matrix ile hangi gerçek sınıfların hangi sınıflarla karıştığını kontrol edin. Küçük puan farklarını kesin üstünlük gibi sunmayın; bu rehber için ölçülmüş bir başarı değeri verilmemiştir.

Test on train data sonucunu yeni verideki performansınız gibi raporlamayın. Ayrı bir test dosyanız varsa uygun Test Data girişini ve Test on test data yöntemini kullanın. Seçeneklerin ayrıntıları resmî Test and Score belgesinde açıklanır.

6. Akışı ve veriyi birlikte koruyun​

İş akışını .ows dosyası olarak kaydedin. Bu dosya bağlantıları ve widget ayarlarını saklar; verinin kendisini içermez. Akışı başka bilgisayara taşırken gerekli veri dosyasını da uygun erişimle birlikte taşıyın. Aynı denemeyi yeniden kurabilmek için kullanılan sütunları, ön işleme adımlarını ve değerlendirme ayarlarını not edin.

Sık sorulan sorular​

Test and Score neden sonuç üretmiyor?​

Önce Data ve Learner bağlantılarını, hedef sütunun seçili ve uygun türde olduğunu kontrol edin. Widget üzerindeki uyarıyı açın; eksik hedefi, uyumsuz değişken türünü veya yetersiz örnek sorununu daha fazla widget ekleyerek çözmeye çalışmayın.

Hedef sütunum yoksa ne yapmalıyım?​

Önce keşif, görselleştirme veya kümeleme gibi hedefsiz bir amaç seçin. Hedefi olmayan bir veri kümesini bu rehberdeki sınıflandırma değerlendirmesine zorlamayın; kümeleme çıktısındaki grup numarası da kendiliğinden gerçek sınıf etiketi değildir.

En yüksek skorlu yöntemi hemen kullanabilir miyim?​

Önce hataların türünü, veri sızıntısını ve test verisinin gerçek kullanım koşullarını temsil edip etmediğini inceleyin. Aynı değerlendirmeyi tekrar tekrar kullanarak ayar seçtiyseniz, son karar için geliştirmede kullanılmamış ayrı bir test kümesi ayırmak daha güvenilir bir kontroldür.