İPUCU

Seçenekler

Yapay zekaya giriş gerekli olan bilgiler vs.

metonya - ait Kullanıcı Resmi (Avatar)
Siber İstihbarat Uzmanı
Üyelik tarihi:
12/2017
Nereden:
DerinDevlet
Mesajlar:
1.265
Konular:
112
Teşekkür (Etti):
225
Teşekkür (Aldı):
357
Ticaret:
(0) %
08-09-2018 14:04
#1
Yapay zekaya giriş gerekli olan bilgiler vs.
Yapay zeka için en temel ne bilinmeli ufaktan ufaktan bu konu altında paylaşıcam bu bilgiler sizi sıkabilir ama ilerleyen haftalarda projeler üretecez.Eksiklerim olucaktır elbet ama bir yararım dahi dokunursa ne mutlu bana.Anlatımlar video şeklinde olucak ve kullanılan kodlar ve açıklamaları videoların hemen altında bulunacak.Bu arada anlatımlar python3 üzerinden yapılacaktır.



not:İlk anlatım biraz sıkıcı olabilir bunlar ne işimize yarar diyebilirsiniz ilerleyen günlerdeki projelerde ne iş için kullanıldığını görüceksiniz.

Kod:
import numpy as np
from sklearn import preprocessing
#Bazı örnek verileri tanımlayalım:
input_data = np.array([[5.1, -2.9, 3.3],
                       [-1.2, 7.8, -6.1],
                       [3.9, 0.4, 2.1],
                       [7.3, -9.9, -4.5]])
#Birkaç farklı ön işleme tekniği hakkında konuşacağız.

#1:Binarization
#Bu değerler sayısal değerlerimizi boole değerlerine dönüştürmek istediğimizde kullanılır.
#Giriş verisini, eşik değeri olarak 2.1 kullanarak ikili hale getirmek için dahili bir yöntem kullanalım
# Binarize data
data_binarized = preprocessing.Binarizer(threshold=2.1).transform(input_data)
print("\nBinarized data:\n", data_binarized)
#burda 2.1 üzerindeki değerler 1 olur diğerleri ise 0 olur

#2:Mean removal
#Ortalamanın kaldırılması, makine öğrenmede kullanılan yaygın bir ön işlem tekniğidir.
#Bu özellik vektörümüzdeki özelliklerin önyargısını kaldırmak için yapıyoruz.
## ortalama ve standart sapma
print("\nBEFORE:")
print("ortalama= (4 sutün değerinin ortalaması)", input_data.mean(axis=0))
print("sıtandart sapma", input_data.std(axis=0))
#axis = 0 denildiğinde sütün dikkate alınır veya axis = 1 için yatay dikkate alınır.

#Önceki satır, giriş verilerinin ortalama ve standart sapmasını gösterir.
# Remove mean

data_scaled = preprocessing.scale(input_data)
#Burda yaptığımız ortalamyı 0 lamak 
print("\nAFTER:")
print(data_scaled)
print("ortalama =", data_scaled.mean(axis=0))
print("Standart ortalama =", data_scaled.std(axis=0))
#3:Scaling
# Min max scaling
data_scaler_minmax = preprocessing.MinMaxScaler(feature_range=(0, 1))
print(data_scaler_minmax)
data_scaled_minmax = data_scaler_minmax.fit_transform(input_data)
print("\nMin max scaled data:\n", data_scaled_minmax)
#Her satır ölçeklenir, böylece maksimum değer 1 olur ve diğer tüm değerler bu değere göredir.

#4:Normalization
#Özellik vektöründeki değerleri değiştirmek için normalleştirme işlemini kullanırız
# Normalize data
data_normalized_l1 = preprocessing.normalize(input_data, norm='l1')
#l1 normalize her satırdaki mutlak değerin toplamının 1 olmasını sağlamaya çalışır
#l1 aykırı değerlere karşı dayanıklıdır bazen bazen bunu istemeyiz bu yüzden l2 kullanırız
data_normalized_l2 = preprocessing.normalize(input_data, norm='l2')
#l2 karelerin toplamının 1 olmasını sağlmaya çalışır
print("\nL1 normalized data:\n", data_normalized_l1)
print("\nL2 normalized data:\n", data_normalized_l2)
Konu metonya tarafından (08-09-2018 14:15 Saat 14:15 ) değiştirilmiştir.
By_ZaGoR, ZeuF Teşekkür etti.
By_ZaGoR - ait Kullanıcı Resmi (Avatar)
Üye
Üyelik tarihi:
09/2016
Nereden:
root.php
Mesajlar:
1.622
Konular:
133
Teşekkür (Etti):
504
Teşekkür (Aldı):
409
Ticaret:
(0) %
08-09-2018 14:12
#2
Ellerine sağlık
---------------------

Elbet bir gün.

Konu "Squ4LL tarafından (08-09-2018 15:23 Saat 15:23 ) değiştirilmiştir.
metonya - ait Kullanıcı Resmi (Avatar)
Siber İstihbarat Uzmanı
Üyelik tarihi:
12/2017
Nereden:
DerinDevlet
Mesajlar:
1.265
Konular:
112
Teşekkür (Etti):
225
Teşekkür (Aldı):
357
Ticaret:
(0) %
08-09-2018 18:25
#3
Alıntı:
By_ZaGoR´isimli üyeden Alıntı Mesajı göster
Ellerine sağlık
teşekkürler

Bookmarks


« Önceki Konu | Sonraki Konu »
Seçenekler

Yetkileriniz
Sizin Yeni Konu Acma Yetkiniz var yok
You may not post replies
Sizin eklenti yükleme yetkiniz yok
You may not edit your posts

BB code is Açık
Smileler Açık
[IMG] Kodları Açık
HTML-Kodları Kapalı
Trackbacks are Kapalı
Pingbacks are Kapalı
Refbacks are Kapalı