:::: MENU ::::
Bilgiler

Karar ağacı öğrenmesi nedir?

Karar ağacı öğrenmesi(decision tree learning) nedir?

Karar ağacı öğrenmesi sırasında, öğrenilen bilgi bir ağaç üzerinde modellenir. Bu ağacın bütün iç düğümleri (interior nodes) birer girdiyi ifade eder.

Karar ağacı öğrenmesi (decision tree learning) iki temel amaç için kullanılır.

1-Sınıflandırma problemleri : Sınıflandırma ağaçları (Classification Tree) : Bir kişinin harcamalarından eğitim düzeyinin tahmini gibi, hedef kümeyi çeşitli sınıflardan birisine yerleştirmeyi amaçlayan ve sınıf tanımı yapan problemler.
2-İlkelleme problemleri : İlkelleme ağaçları (Regression Trees): Sonuçta bir sınıf yerine sayısal bir değer döndüren veri madenciliği problemleri.

Gain ve Entropi formülleri:
decision-tree-equations-entropy-gain

Kaynaklar:
http://bilgisayarkavramlari.sadievrenseker.com/2012/04/11/karar-agaci-ogrenmesi-decision-tree-learning/


Kavram Öğrenimi (Concept Learning) yöntemleri nelerdir?

Kavram Öğrenimi (Concept Learning) yöntemleri nelerdir?

Kavram Öğrenimi (Concept Learning) yöntemleri

1-Arama şeklinde kavram öğrenmesi (Genelden özele sıralama hipotezi)
2-Find-S (Maksimum Özel Hipotezi Bulma)
3-Model Uzayları (Version Spaces) ve Aday Eleme Algoritması (Candidate Elimination Algorithm)
4-Tümevarımsal Eğilim(Inductive Bias)


Sınıflandırma ve kümeleme nedir ve farkı nedir?

Sınıflandırma ve kümeleme nedir ve farkı nedir?

Sınıflandırma, gözetimli(supervised); kümeleme gözetimsiz(unsupervised) öğrenme metodudur.

Sınıflandırmada
-Verilerin etiketi vardır.
-Verileri bir gruba dahil etmek için bir kural oluşturulmasını bekler.
-Veri setini eğitim ve test olarak ayırmak gereklidir.

Kümelemede,
-Verilerin etiketi yoktur.
-Verileri bir gruba yakınlığa/benzerliğe/alakaya/hiyerarşiye göre dahil eder.
-Verideki örüntülerini ve yapıları tespit eder.


Gözetimli (Supervised) ve Gözetimsiz (unsupervised) öğrenme (learning) nedir?

Gözetimli (Supervised) ve Gözetimsiz (unsupervised) öğrenme (learning) nedir?

Elimizdeki verinin sınıf sayısı belli, hangi girdilerin hangi sonuçları ürettiği mevcutsa ve bu bilgileri kullanarak bir makine öğrenmesi yapıyorsak bu gözetimli(supervised) öğrenmeye girmektedir. Sınıflandırma işlemi örnek olarak verilebilir.

Fakat elimizdeki verinin kaç sınıfa ayrıldığını, girdilerin hangi sonuçları ürettiğini bilmeden tabiri caizse ham veriden bir anlam çıkarmaya çalışıyorsak bu işlem gözetimsiz (unsupervised) öğrenmedir. Kümeleme işlemi örnek olarak verilebilir.


Sayfalar:1234567...23