Makine Öğrenmesi Matematiği 7


Bu yazı Makine Öğrenmesi Matematiği yazı dizisinin 7. bölümüdür. Hatırlamak isterseniz: Makine Öğrenmesi Matematiği 1 Makine Öğrenmesi Matematiği 2 Makine Öğrenmesi Matematiği 3 Makine Öğrenmesi Matematiği 4 Makine Öğrenmesi Matematiği 5 Makine Öğrenmesi Matematiği 6 Çok değişkenli lineer regresyon örneğimiz ile devam edelim. Veri Setimiz AndrewNG’nin hazırladığı Coursera’daki Machine Learning dersinden alınmıştır. ex1data2.txt 2104,3,399900 1600,3,329900 2400,3,369000 1416,2,232000 3000,4,539900 1985,4,299900 1534,3,314900 1427,3,198999 1380,3,212000 1494,3,242500 1940,4,239999 2000,3,347000 1890,3,329999 4478,5,699900 1268,3,259900 2300,4,449900 … Okumaya devam et Makine Öğrenmesi Matematiği 7

Makine Öğrenmesi Matematiği 6


Bu yazı Makine Öğrenmesi Matematiği yazı dizisinin 6. bölümüdür. Hatırlamak isterseniz: Makine Öğrenmesi Matematiği 1 Makine Öğrenmesi Matematiği 2 Makine Öğrenmesi Matematiği 3 Makine Öğrenmesi Matematiği 4 Makine Öğrenmesi Matematiği 5 Şimdi daha derine ineceğiz. Dereceli azalma çeşitleri ve optimizasyon algoritmalarından bahsedelim. Dereceli Azalma, optimizasyonu gerçekleştiren en popüler algoritmalardan biridir. Dereceli Azalma (Gradyan İnişi) üzerinde bu kadar durmamızın nedeni sadece doğrusal regresyon problemlerinde değil başta sinir ağları … Okumaya devam et Makine Öğrenmesi Matematiği 6

Makine Öğrenmesi Matematiği 3


Bu yazı Makine Öğrenmesi Matematiği 2‘nin devamıdır. Hemen hatırlayalım, elimizde bir veri seti vardı, iki kolondan oluşuyor, kısaca ilk değişkeni kullanarak ikinci değişkeni tahmin edeceğiz. Verilerin Dağılım grafiği aşağıdaki gibidir: Problemimizi şöyle tanımlamıştık: Bu verilere en iyi uyan doğru nasıl olmalıdır?  Elimizdeki çıktıyı(ikinci kolonu) tahmin etmemizi sağlayacak tek bir değişken yani öngürücü değişken var, ilk kolondaki veriler(girdi). Yani problemimize makine öğrenmesi alanındaki ismine tek değişkenli … Okumaya devam et Makine Öğrenmesi Matematiği 3

Makine Öğrenmesi Matematiği 1


 Denetimli Öğrenme: Veri setindeki her örnek için doğru sonucu tahmin eder. Regresyon: Sürekli veri setinde verinin gerçek değerini tahmin etmeye çalışır. Sınıflandırma: Ayrık verilerde değer tahmini gerçekleştirir. BAŞLAYALIM …  Elimizde bir eğitim veri seti var. Yapmak istediğimiz şey x girdisinden y’yi tahmin etmek istiyoruz. Örnek olarak evin büyüklüğünü x olarak, tahmin etmeye çalıştığımız y’yi de evin fiyatı olarak düşünebiliriz. x : Girdi y : Çıktı  … Okumaya devam et Makine Öğrenmesi Matematiği 1

R ile Basit Lineer Regresyon


Lineer Regresyon hakkında daha fazla bilgi için, Basit Lineer Regresyon.  Lineer Regresyon Örnekleri: İlk minik makine öğrenmesi uygulaması Scikit-Learn: Boston Ev Fiyatları Tahmini TensorFlow: Basit Lineer Regresyon TensorFlow: Lineer Regresyon Kullanacağımız veri setini buradan indiriyoruz. Boy ve Kilo Bilgileri ile lineer regresyon eğrisini çiziyoruz. Program: Okumaya devam et R ile Basit Lineer Regresyon

TensorFlow: Lineer Regresyon


Başlamadan öne TensorFlow’a Kolay Bir Başlangıç’a bakılması tavsiye edilir. TensorFlow hakkında daha detaylı bilgi için TensorFlow 101‘e bakınız. Basit Lineer Regresyon  Problem: Mahallelerin güvenli olup olmadığı ile ilgili başlıca iki kavram vardır. Hırsızlık ve yangın. Güvenlik şirketleri evlerinizi sigortalarken bu iki tehlikeli durumu göz önüne almaktadır. Peki hırsızlık oranı ile yangınların arasında bir bağlantı var mıdır? Yani diğer bir anlamda X yangınların sayısı olsun, Y … Okumaya devam et TensorFlow: Lineer Regresyon

Scikit-Learn: Theil-Sen ve Sıradan En Küçük Kareler Tahminci Karşılaştırması


Theil-SenRegressor Tahmincisi ile Sıradan En Küçük Kareler Tahmincisini zaman ve uçdeğerlerin(aykırı verilerin) varlığında numunelere (örneklerimize) nasıl uyduğunu (fit ettiğini) karşılaştıracağız. Önce gerekli paketleri import edelim. Tahmincilerimizi ve plot da yer alacak bilgileri ayarlıyoruz. Aykırı Verileri, kullanacagımız rastgele veri setimizi ayarlıyoruz. Sonrasında örneklerimizi plot’a yerleştiriyoruz. Her iki tahminciyi gerçekleştirip, plot’a ekliyoruz. Aynı işlemi aynı veri seti üzerine, x yönü üzerine aykırı veriler ekleyerek tekrar tahmincilerin en … Okumaya devam et Scikit-Learn: Theil-Sen ve Sıradan En Küçük Kareler Tahminci Karşılaştırması

Theil-SenRegressor: Genelleştirilmiş Medyan Tabanlı Tahminci


TheilSenRegressor tahmincisi medyanın birden çok boyutta genellemesinde kullanır. Bu nedenle, çok değişkenli aykırı değerler için sağlamdır. Bununla birlikte, kestiricinin sağlamlığı problemin boyutsallığı ile birlikte hızla azalır. Sağlamlık özelliklerini kaybeder ve yüksek boyutta olağan bir en küçük kareden daha iyi olmaz. TheilSenRegressor asimtotik etkinlik açısından ve tarafsız bir tahmin edici olarak Sıradan En Küçük Karelerle (OLS) karşılaştırılabilir. Theil-Sen, OLS’nin aksine, verilerin altında yatan dağılımı hakkında bir … Okumaya devam et Theil-SenRegressor: Genelleştirilmiş Medyan Tabanlı Tahminci