- 1 Nis 2020
- 12
- 0
Merhabalar Arkadaşlar,
Bugün Yapay Zeka'da Denetimli Öğrenme nedir bunun hakkında literatürdeki yerini konuşacağız.
Basit olarak Denetimli öğrenme,makine öğrenme türüdür ve regresyon,sınıflandırma gibi algoritmaların uygulandığı öğrenme türüdür.Sayısal verilere dayanır ve ne tahmin ettiğimizi biliriz.Bu yüzden veri setinde belirtilmesi gereken çok fazla sütun vardır.Hem inputu hem outputu biliriz.Yani veriler etkilenir böylece makine öğrenmesi training sırasında neyi saptaması gerektiğini anlar ve eğitim sırasında sistemi yönlendirir.Önceden etkilenmiş verilerin bu temelle algılanması eğitimde sağladığımız benzer nesneleri algılar.
Mesela öğrencisiniz ve ödevi yapıp yapmadığınızı tahmin edelim.Bunun için genişletilebilir parametreler vardır aslında ama aklıma geldiği kadarıyla örneklendirelim. :kahkaha
1-)Hava koşulları
2-)Okuldan eve geldiğiniz saat
3-)Gün yoğunluğu ve yorgunluğu
4-)Sosyal medya aktif kullanım süresi
5-)Kendinize ayırdığınız zaman
6-)Psikolojik olarak rahat mısınız?
Gibi maddeler parametrelerimiz olsun.Tüm bu detaylar bizim inputumuz olur.Outputumuz da bu verilerin ödevi yaptığımız günlerde ki değerlerin toplanmasıdır.Hangi koşullarda ödevi yaptığınız,hangi koşullarda ödevi yapmadığınızı listelemeniz gerekir.
Bu veriler ne kadar çok olursa sonuçlar o kadar sağlıklı olacaktır.Böyle bir eğitim setine dayanarak,makineniz ödevi yapmanız arasında doğrudan bir ilişki olduğunu gösterebiliriz.
Yukarıda bahsettiğimiz gibi tahmin modelleri geliştirmek için sınıflandırma ve regresyon teknikleri kullanılır.
Hava durumu tahmininde,dolar tahmininde,ev fiyatı tahmininde kullanılabilir.
Diğer yazılarda pythonda geliştirme yaparak bunu daha net göreceğiz.Şimdilik önceki konumda pythonda dolar regresyonu için yaptığım kodları ve açıklamaları inceleyebilirsiniz.
Sağlıkla kalın sevgiyle kalın.
Bugün Yapay Zeka'da Denetimli Öğrenme nedir bunun hakkında literatürdeki yerini konuşacağız.
Basit olarak Denetimli öğrenme,makine öğrenme türüdür ve regresyon,sınıflandırma gibi algoritmaların uygulandığı öğrenme türüdür.Sayısal verilere dayanır ve ne tahmin ettiğimizi biliriz.Bu yüzden veri setinde belirtilmesi gereken çok fazla sütun vardır.Hem inputu hem outputu biliriz.Yani veriler etkilenir böylece makine öğrenmesi training sırasında neyi saptaması gerektiğini anlar ve eğitim sırasında sistemi yönlendirir.Önceden etkilenmiş verilerin bu temelle algılanması eğitimde sağladığımız benzer nesneleri algılar.
Mesela öğrencisiniz ve ödevi yapıp yapmadığınızı tahmin edelim.Bunun için genişletilebilir parametreler vardır aslında ama aklıma geldiği kadarıyla örneklendirelim. :kahkaha
1-)Hava koşulları
2-)Okuldan eve geldiğiniz saat
3-)Gün yoğunluğu ve yorgunluğu
4-)Sosyal medya aktif kullanım süresi
5-)Kendinize ayırdığınız zaman
6-)Psikolojik olarak rahat mısınız?
Gibi maddeler parametrelerimiz olsun.Tüm bu detaylar bizim inputumuz olur.Outputumuz da bu verilerin ödevi yaptığımız günlerde ki değerlerin toplanmasıdır.Hangi koşullarda ödevi yaptığınız,hangi koşullarda ödevi yapmadığınızı listelemeniz gerekir.
Bu veriler ne kadar çok olursa sonuçlar o kadar sağlıklı olacaktır.Böyle bir eğitim setine dayanarak,makineniz ödevi yapmanız arasında doğrudan bir ilişki olduğunu gösterebiliriz.
Yukarıda bahsettiğimiz gibi tahmin modelleri geliştirmek için sınıflandırma ve regresyon teknikleri kullanılır.
Hava durumu tahmininde,dolar tahmininde,ev fiyatı tahmininde kullanılabilir.
Diğer yazılarda pythonda geliştirme yaparak bunu daha net göreceğiz.Şimdilik önceki konumda pythonda dolar regresyonu için yaptığım kodları ve açıklamaları inceleyebilirsiniz.
Sağlıkla kalın sevgiyle kalın.
