Makine Öğrenmesine Giriş 00

Source: Deep Learning on Medium

Makine Öğrenmesine Giriş 01

Herkese merhaba, bu yazı serisinde sizlere araştırmalarımdan,öğrendiklerimden yola çıkarak elimden geldiğince Makine öğrenmesini anlatacağım.Makine öğrenmesine yeni başladığım için bu yazı dizisi detaylı değil daha çok fikir sahibi olunması için özet niteliğinde olacaktır.Ele alacağım konu başlıkları şu şekilde;

Makine Öğrenmesi nedir hangi alt başlıklara ayrılır?

  • Takviyeli öğrenme
  • Gözetimli öğrenme
  • Gözetimsiz öğrenme
  • Kısaca makine öğrenmesi algoritmaları
  • Weka ile makine öğrenmesine giriş
  • Excell (.xls) formatından weka(.arff) formatına dönüştürme

Makine Öğrenmesi nedir?

Makine öğrenmesi yapay zekanın bir alt alanıdır ve temel olarak otomatik öğrenme ve geliştirme ilkesine dayanmaktadır.
Makine öğrenmesinin amacı genellikle verinin yapısını anlamak ve bu verileri insanlar tarafından anlaşılabilen ve kullanılabilecek modellere uydurmaktır. Makine öğrenmesi, çeşitli algoritmalar ve yöntemler ile veride bazı kalıpları arar ve bu kalıplara karşılık gelen etiketlere bakarak önce öğrenir, daha sonra (öğrendiklerine benzer durumla karşılaştığında) deneyimlerinden yararlanarak çıkarım yapabilen sistemler geliştirmeye imkan sağlar.Bunu da çeşitli matematiksel ve istatistiksel yöntemlerin kullanıldığı algoritmalar ile yapar.Bu söylediğimden yola çıkarsak makine öğrenmesinde başarılı olmak ve uzmanlaşmak için iyi bir matematik ve istatistik alt yapısına sahip olmak gerekir,çünkü makine öğrenmesi algoritmaları yoğun derecede matematik ve istatistik içerir.Makine öğrenme algoritmaları bilgisayarların veri girişleri üzerinde eğitim almasına ve belirli bir aralıktaki değerleri çıkarmak için istatistiksel analiz kullanmasına izin verir.Bu algoritmaların işlevlerini basit olarak anlatmak gerekirse verilerden modeller oluşturur , bilgisayar eğitilir ve tahmin edilmesi amaçlanan şeyi en kesin ve en hızlı şekilde tahmin etmesi istenir.Bu hususta bizim için önemli olan şey çalıştığımız konu hakkında doğru tutarlı ve geniş bir veri kümesi oluşturmak ve veri kümesine en uygun algoritmayı seçmektir.

Basit bir örnek verecek olursak; bir kişinin kan değerine bakıp bir hastalığı taşıyıp taşımadığını tahmin etmek istersek

Kişilerin kan grubu, hemogram değeri, lökosit saysı, eritrosit sayısı vb. gibi değerleri içeren verileri toplamamız ve bu kişilerin hastalık taşıyıp taşımadığını belirtmemiz gerekecektir.Belli çoklukta veriye sahip olursak modelimizi iyi eğitebilir ve daha sonra girilen değerlere sahip kişinin hastalık taşıyıp taşımadığı bilgisini tahmin edebiliriz.

Bu yazımda makine öğrenmesine kısaca giriş yapıp nedir ne değildir diye anlatmaya çalıştım bir sonraki yazıda makine öğrenmesi kaça ayrılır çeşitleri nelerdir bunlara değineceğim.İyi okumalar dilerim.