Makine Öğrenimi Nedir ?

Original article can be found here (source): Artificial Intelligence on Medium

tr.wikipedia.org/wiki/G%C3%B6zetimsiz_%C3%B6%C4%9Frenme

Gözetimsiz (Unsupervised) Öğrenme

Sorun, sınıflandırılmamış büyük hacimde veri gerektirdiğinde, gözetimsiz öğrenme kullanılır. Örneğin Twitter, Instagram ve Snapchat gibi sosyal medya uygulamalarının hepsinde büyük hacimlerde sınıflandırılmamış veriler bulunur. Bu verilerin ardındaki anlamın anlaşılması için, bulunan kalıpları veya kümeleri temel alan verileri sınıflandıran algoritmalar gerekir. Denetimsiz öğrenme, yinelemeli bir süreç gerçekleştirerek verileri insan müdahalesi olmadan analiz eder. İstenmeyen e-postaları saptama teknolojisiyle kullanılır. Bir analistin talep edilmemiş toplu e-postayı etiketleyebilmesi için meşru ve istenmeyen e-postalarda çok fazla değişken vardır. Bunun yerine istenmeyen e-postaların belirlenmesi için, kümeleme ve ilişkilendirme esasına dayalı, makine öğrenimi sınıflandırıcıları uygulanır.

Kümeleme (Clustering): Gözlemleri homojen bölgelere ayırır. Örn: bir okuldaki öğrenci gruplarını tespit etmek.

Boyut Azaltımı (Dimensionality Reduction): Gözlemlerin mevcut özellik sayısını az ve öz hale indirir, bize en iyi öğrenme imkanı sunar.

bilgisayarkavramlari.sadievrenseker.com/2008/10/27/gozetimsiz-ogrenme-unsupervised-learning/

Öğrenme Türlerinin Karşılaştırılması

Gözetimli öğrenmenin en kötü tarafı eğitim verisi oluşturmaktır. Eğitim verisi sayesinde bir makine öğrenmesi metodu ile (yüzlerce metot var) bir fonksiyon üretilir. Bu fonksiyon ile yeni gelen veriler tahmin edilmeye çalışır. Gözetimli öğrenmesinin en zaman alıcı kısmı bu eğitim verisinin hazırlanması kısmıdır. Kötü hazırlanmış bir eğitim verisinin çok kötü tahminler yapacağını unutmayın. Eğitim verisi hazırlarken 2–3 kişinin gözetiminden geçmesinde yarar vardır.

Gözetimsiz öğrenmede ise bir eğitim verisi yoktur. Grupları algoritma öğrenmeye çalışır. Bu bölümdeki algoritmalar verileri gruplanarak yeni veriyi en uygun gruba atamaya çalışır. Eğitim verisi olmadığı için uygulaması kolaydır. Ancak, zor problemlerde pek iyi sonuçlara ulaşamayabilirsiniz.