Makine Öğrenmesi Matematiği 5


Bu yazı Makine Öğrenmesi Matematiği yazı dizisinin 5. bölümüdür. Hatırlamak isterseniz: Makine Öğrenmesi Matematiği 1 Makine Öğrenmesi Matematiği 2 Makine Öğrenmesi Matematiği 3 Makine Öğrenmesi Matematiği 4 Eğer buraya kadar tüm bölümleri anlayarak geldiyseniz, makine öğrenmesi hakkında çok büyük bir yol katettiğinizi söyleyebilirim. Şimdi hızlıca bir özet geçelim.  Denetimli Öğrenme: Veri setindeki her örnek için doğru sonucu tahmin eder. Regresyon: Sürekli veri setinde verinin gerçek değerini tahmin etmeye … Okumaya devam et Makine Öğrenmesi Matematiği 5

Makine Öğrenmesi Matematiği 4


Bu yazı Makine Öğrenmesi Matematiği yazı dizisinin 4. bölümüdür. Hatırlamak isterseniz: Makine Öğrenmesi Matematiği 1 Makine Öğrenmesi Matematiği 2 Makine Öğrenmesi Matematiği 3 Kaldığımız yerden devam edelim. Bu öğrenme oranı  değerini rastgele belirledik; 0.0001. Bu sayı bize neyi ifade ediyor, evet biliyoruz optimum ağırlığa doğru ne kadar hızlı veya yavaş hareket edeceğimizi belirtiyor, ancak neden ‘ya bu değeri verdik. Doğru değeri verdiğimizi nereden bilebiliriz ya da problemimizde doğru  değerini nasıl … Okumaya devam et Makine Öğrenmesi Matematiği 4

Dereceli Azalma (Gradient Descent)


İster gerçek hayatta bir problemle uğraşalım ister bir yazılım ürünü ile, optimizasyon daima asıl hedeftir. Optimizasyon temelde hedef alınan problem için en uygun sonucu (çıktıyı) elde etmek anlamına gelir. Makine öğrenmesinde optimizasyon biraz daha farklıdır. Genel olarak, optimizasyon yaparken, verilerimizin nasıl göründüğünü ve iyileştirmek istediğimiz alanları tam olarak biliriz. Fakat makine öğrenmesinde, “yeni verilerimiz”in nasıl göründüğüne dair fikrimiz yoktur, tek başlarına optimize etmeye çalışırız. Dolayısıyla, … Okumaya devam et Dereceli Azalma (Gradient Descent)