Denetimli Öğrenme

Denetimli öğrenmede, veri kümemizin ne olduğunu ve bu verilerden istediğimiz çıktının ne olması gerektiğini biliriz.

Denetimli öğrenme, verileri ve o verilerden çıkan sonuçları makineye tekrar baştan vererek bu bilgilerden bir fonksiyon (giriş verileri ile sonuç verileri arasında bir eşleşme) çıkartılmasının sağlamaktadır. Böylece makine veriler arasındaki ilişkiyi öğrenmektedir.

Denetimli öğrenme problemleri “regresyon” ve “sınıflandırma” olarak ikiye ayrılır.

Bir regresyon probleminde, sonuçları sürekli bir çıktı içinde tahmin etmeye çalışırız; yani, girdi değişkenlerini bazı sürekli fonksiyonlara eşlemeye çalışırız.

Bir sınıflandırma probleminde, sonuçları ayrı ayrı çıktılarda tahmin etmeye çalışırız. Yani, girdi değişkenlerini ayrı kategorilere atamaya çalışırız.

Örnek 1:

(A) Gayrimenkul piyasasındaki evlerin büyüklüğü hakkında veriler verildiğinde, fiyatların önceden tahmin edilmesi. Fiyatı büyüklüğün bir fonksiyonu olarak sürekli bir çıktı olması nedeniyle, bu bir regresyon problemidir.

(B) Bunun yerine, evin “öngörülen fiyattan daha fazla veya daha az bir miktarda satılıp satılmadığını” öğrenmek içinse bu örneği bir sınıflandırma problemine dönüştürebiliriz. Burada, satış fiyatlarına dayalı evleri iki ayrı kategoriye atarız.

Örnek 2:

(A) Regresyon – Bir kişinin resmini verildiğinde, verilen resmi temel alarak yaşlarını tahmin etmek

regresyon.png

(B) Sınıflandırma – Tümörlü bir hasta göz önüne alındığında, tümörün iyi huylu olup olmadığını öngörmek

siniflandirma.png

Örnek 3:

(A) Regresyon: Bir firmanın reklam harcamalarının satışlarını nasıl etkilediğini tahmin etmek

(B) Sınıflandırma: Gelen mailleri spam ve spam olmayan e-posta olarak ayırmak

 

 

 

Designed by Freepik