Makine öğrenmesi nedir?
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 1/112
- 5 dk
Makine öğrenmesi (machine learning), bilgisayarların açık yöntemler yerine veriden öğrenmesini sağlayan yapay zeka dalıdır.
Makine öğrenmesi nedir?
Klasik programlamada kuralları sen yazarsın: girdi + kurallar → çıktı. Makine öğrenmesinde ise elinde girdiler ve doğru cevaplar vardır; algoritma kuralı veriden çıkarır: girdi + çıktı → model.
# Kural elle yazılır
def fiyat_kural(m2):
return m2 * 1000
# Kural veriden öğrenilir
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit([[50], [80], [120]], [52000, 79000, 121000])
print(model.predict([[100]]))Model, eğitim verisindeki deseni bir dizi sayı (parametre) olarak saklar ve hiç görmediği girdiler için tahmin üretir.
Nerede kullanılır?
Kuralı elle yazmanın zor ya da imkânsız olduğu her yerde:
- Spam filtresi: binlerce etiketli e-postadan öğrenir.
- Fiyat tahmini: ev büyüklüğü, konum gibi bilgilerden fiyatı kestirir.
- Görüntü tanıma: piksellerden nesneyi bulur.
- Öneri sistemleri: benzer kullanıcıların tercihlerinden öneri üretir.
Her durumda iş akışı aynıdır: veri topla, modeli fit ile eğit, predict ile tahmin et, sonucu ölç.
Uygulama İlk modelin
Hazır X (metrekare) ve y (fiyat) verisiyle bir LinearRegression modeli eğit. 100 m² için tahmini round ile tam sayıya yuvarlayıp yazdır.
Başlangıç kodu
from sklearn.linear_model import LinearRegression
X = [[50], [80], [120]]
y = [50000, 80000, 120000]
# buraya yazÖrnek çözüm
from sklearn.linear_model import LinearRegression
X = [[50], [80], [120]]
y = [50000, 80000, 120000]
model = LinearRegression()
model.fit(X, y)
print(round(model.predict([[100]])[0]))Beklenen çıktı
100000
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Makine öğrenmesini klasik programlamadan ayıran temel fark nedir?
- Hiç veri gerekmez
- Sonuç her zaman kesin doğrudur
- Kurallar veriden öğrenilir Doğru cevap
- Kod daha kısa olur
Açıklama: Model, girdi ile doğru cevaplar arasındaki ilişkiyi kendisi bulur; tahminler olasılıksal ve yaklaşıktır.
2 Modeli eğiten yöntemi yaz.
model = LinearRegression()
model.____(X, y)model = LinearRegression()
model.fit(X, y)Açıklama: scikit-learn'de her model fit(X, y) ile eğitilir.
3 Kavramları eşleştir.
| Kavram | Anlamı |
|---|---|
model |
Veriden öğrenilen kural |
fit |
Eğitim adımı |
predict |
Yeni girdi için tahmin |
parametre |
Modelin sakladığı sayılar |