Makine Öğrenimini Anlamak İçin Yeni Başlayanlar Kılavuzu
Makine Öğrenimi Nedir?
Makine öğrenimi, bir bilgisayarı ve onun hesaplamalarını içeren bir yapay zeka dalıdır. Makine öğreniminde bilgisayar sistemine ham veriler verilir ve bilgisayar buna göre hesaplamalar yapar. Geleneksel bilgisayar sistemleri ile makine öğrenimi arasındaki fark, geleneksel sistemlerde bir geliştiricinin şeyler arasında ayrım yapacak üst düzey kodları dahil etmemiş olmasıdır. Bu nedenle kusursuz ve incelikli hesaplamalar yapamaz. Ancak bir makine öğrenimi modelinde, insan zekasıyla eşleşecek düzeyde aşırı hesaplamalar yapmak için üst düzey verilerle birleştirilmiş, bu nedenle olağanüstü tahminler yapabilen oldukça rafine bir sistemdir. Genel olarak iki özel kategoriye ayrılabilir: denetimli ve denetimsiz. Yarı denetimli olarak adlandırılan başka bir yapay zeka kategorisi de vardır.
Denetimli makine öğrenimi
Bu tür ile bir bilgisayara ne yapması ve nasıl yapması gerektiği örnekler yardımıyla öğretilir. Burada bir bilgisayara büyük miktarda etiketlenmiş ve yapılandırılmış veri verilir. Bu sistemin bir dezavantajı, bir bilgisayarın belirli bir görevde uzmanlaşmak için yüksek miktarda veri talep etmesidir. Girdi görevi gören veriler, çeşitli algoritmalar aracılığıyla sisteme girer. Bilgisayar sistemlerini bu verilere maruz bırakma ve belirli bir görevde uzmanlaşma prosedürü tamamlandığında, yeni ve rafine bir yanıt için yeni veriler verebilirsiniz. Bu tür makine öğreniminde kullanılan farklı algoritma türleri arasında lojistik regresyon, K-en yakın komşular, polinom regresyon, naive bölmeler, rastgele orman vb.
denetimsiz makine öğrenimi
Bu türde, girdi olarak kullanılan veriler etiketlenmez veya yapılandırılmaz. Bu, daha önce hiç kimsenin verilere bakmadığı anlamına gelir. Bu aynı zamanda girdinin hiçbir zaman algoritmaya yönlendirilemeyeceği anlamına gelir. Veriler yalnızca makine öğrenimi sistemine beslenir ve modeli eğitmek için kullanılır. Belirli bir model bulmaya ve istenen yanıtı vermeye çalışır. Tek fark, işin bir insan tarafından değil, bir makine tarafından yapılmasıdır. Bu denetimsiz makine öğreniminde kullanılan bazı algoritmalar şunlardır: tekil değer ayrıştırma, hiyerarşik kümeleme, kısmi en küçük kareler, temel bileşen analizi, bulanık ortalamalar vb.
Takviyeli Öğrenme
Takviye ML, geleneksel sistemlere çok benzer. Burada makine, deneme yanılma adı verilen bir yöntemle verileri bulmak için algoritmayı kullanır. Bundan sonra, hangi yöntemin en etkili sonuçlarla en etkili olacağına sistem kendisi karar verir. Makine öğreniminde temel olarak üç bileşen bulunur: etmen, çevre ve eylemler. Temsilci, öğrenen veya karar verici olan kişidir. Çevre, aracının etkileşime girdiği atmosferdir ve eylemler, bir aracının yaptığı iş olarak kabul edilir. Bu, ajan en etkili yöntemi seçtiğinde ve buna göre ilerlediğinde ortaya çıkar.
