Öznitelik Mühendisliği


Öznitelik Mühendisliği Makine öğrenmesinde modellere verilen gerçek dünya verileri birer öznitelik vektörü halindedir ve bu öznitelik vektörleri ham veriden çıkartılır. Öznitelik mühendisliği, makine öğrenmesi modeli veya görevi için verilerden en uygun özellikleri elde etme işlemidir. Özelliklerin kendileri kadar sayısı da önemlidir, modele verilen, gerçek dünya verilerini temsil eden öznitelik vektörlerindeki özellikler yeterli değilse model asıl görevini yerine getiremeyecektir; eğer gereğinden fazla ve alakasız özellikler içeren … Okumaya devam et Öznitelik Mühendisliği

Boyutsallığın Laneti


Boyutsallığın Laneti Gerçek dünyadaki verileri doğru bir şekilde temsil edebilmek için yalnızca 1 veya 2 boyuttan daha fazlasına ihtiyaç duyarız. İlk olarak, boyutsallığın veri setlerimiz üzerindeki etkisini inceleyelim. Sadece Ev 1’e ait öznitelikler aşağıdaki gibi. Şimdi Ev 1’e ait olan öznitelikleri biraz zenginleştirelim. Ev 1’e ait öznitelik vektörlerimizi bütün evler için genişlettiğimiz zaman artık 3 boyutlu bir veri setine sahip olacağız. Makine öğrenmesi modellerinin öğrenme … Okumaya devam et Boyutsallığın Laneti

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

Özellik Ölçekleme ve Normalleştirme (Feature Scaling and Normalization)


Standartlaştıma — Normalizasyon Hakkında Standardizasyonun (veya Z Puanı Normalizasyonunun) sonucu, özelliklerin standart bir normal dağılım özelliklerine sahip olacak şekilde yeniden ölçeklendirilmesidir. Burada μ ortalama (ortalama) ve σ ortalamadan standart sapma; Örneklerin standart puanları (z puanları) şu şekilde hesaplanır: Özelliklerin standart sapması 1 ile 0 civarında ortalanacak şekilde standartlaştırılması, farklı birimleri olan ölçümleri karşılaştırdığımızda değil, aynı zamanda birçok makine öğrenme algoritması için genel bir gereklilik olarak da … Okumaya devam et Özellik Ölçekleme ve Normalleştirme (Feature Scaling and Normalization)