Takviyeli Öğrenme (Reinforcement Learning)


Şu ana kadar makine öğrenmesinde hep denetimli ve denetimsiz öğrenme yöntemleri ile ilgili paylaşımlarda bulunmuştuk. Artık Takviyeli Öğrenmeyi öğrenmenin vakti geldi! Takviyeli öğrenmeyi, denetimli ve denetimsiz öğrenme yolları hakkında bilgi sahibi olduktan sonra ve insan beynini taklit eden yapay sinir ağlarının yapısını bildikten sonra öğrenilmesi, Takviyeli Öğrenmenin amacına daha uygun olacaktır. Neden daha uygun olacağını şöyle açıklayabiliriz: Denetimli öğrenme ve denetimsiz öğrenme yöntemlerinden tamamen farklı … Okumaya devam et Takviyeli Öğrenme (Reinforcement Learning)

Doğru Metrik Seçimi


Makine Öğrenmesi alanında kullanabileceğimiz birçok metrikten bahsetmiştik. Bunlarla ilgili daha fazla bilgiye aşağıdan ulaşabilirsiniz. MSE, RMSE, MAE, MAPE ve Diğer Metrikler Çapraz Doğrulama (Cross Validation) Tahminlerin Kalitesini Ölçmek Kısaca bu metriklerin ne işe yaradığından bahsettikten sonra, bu metriklerin hangi problem için uygun olacağı üzerinde duracağız. Bir makine öğrenme algoritmasını verilerimize uyguladıktan sonraki adım, modelin  veriye ne kadar uygun olduğunu bulmaktır.  Farklı makine öğrenmesi algoritmalarını değerlendirmek … Okumaya devam et Doğru Metrik Seçimi

Log Kaybı ve Çapraz Entropi (Log Loss and Cross-Entropy)


Çapraz entropi kaybı veya log kaybı(log loss), çıktısı 0 ile 1 arasında bir olasılık değeri olan bir sınıflandırma modelinin performansını ölçer. Bu makine öğrenmesi modeline örnek olarak lojistik regresyon verilebilir. Tahmin edilen olasılık asıl değerden uzaklaştıkça çapraz entropi kaybı artar. Yani gerçek gözlem etiketi 1 olduğu zaman .012 olasılığının kötüye gideceği ve bunun yüksek bir kayıp değerine yol açacağı tahmin edilir. Mükemmel bir modelde, 0 … Okumaya devam et Log Kaybı ve Çapraz Entropi (Log Loss and Cross-Entropy)