Sınıflandırma nedir?
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 59/112
- 5 dk
Sınıflandırma, veriyi önceden belirlenmiş sınıflardan birine atama görevidir.
Sınıflandırma nedir?
Sınıflandırma, bir örneğin önceden belirlenmiş sınıflardan hangisine ait olduğunu tahmin eder: e-posta spam mı, tümör iyi huylu mu, fotoğrafta hangi rakam var. Çıktı bir sayı değil, bir etikettir.
from sklearn.linear_model import LogisticRegression
X = [[1], [2], [3], [7], [8], [9]]
y = ["düşük", "düşük", "düşük", "yüksek", "yüksek", "yüksek"]
m = LogisticRegression().fit(X, y)
print(m.predict([[2.5], [7.5]])) # ['düşük' 'yüksek']Etiketler metin olabilir; scikit-learn sınıfları classes_ özniteliğinde sıralı tutar.
Lojistik regresyon
Adına rağmen lojistik regresyon bir sınıflandırıcıdır. Doğrusal bir skoru sigmoid fonksiyonuyla 0-1 arasına sıkıştırır ve sonucu olasılık olarak yorumlar:
def sigmoid(z):
return 1 / (1 + np.exp(-z))
print(sigmoid(0)) # 0.5 karar sınırı
print(sigmoid(4)) # 0.98
print(sigmoid(-4)) # 0.018Olasılık 0.5'ten büyükse pozitif sınıf seçilir. Hızlı, yorumlanabilir ve güçlü bir başlangıç modelidir.
Uygulama Sigmoid
sigmoid(z) fonksiyonunu np.exp ile yaz. np.array([-2, 0, 2]) için sonuçları np.round(..., 3) ile yazdır.
Başlangıç kodu
import numpy as np
# buraya yazÖrnek çözüm
import numpy as np
def sigmoid(z):
return 1 / (1 + np.exp(-z))
print(np.round(sigmoid(np.array([-2, 0, 2])), 3))Beklenen çıktı
[0.119 0.5 0.881]
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Hangisi bir sınıflandırma çıktısıdır?
- Satış adedi 340
- "onaylandı" / "reddedildi" Doğru cevap
- Yarınki sıcaklık 21.3
- Ev fiyatı 1.2 milyon
Açıklama: Sınırlı bir etiket kümesinden seçim yapılıyor; diğerleri sürekli sayılardır.
2 Lojistik regresyon sınıflandırıcısını oluştur.
m = ____()m = LogisticRegression()Açıklama: LogisticRegression, sklearn.linear_model içindedir ve sınıflandırma yapar.
3 Kavramları eşleştir.
| Kavram | Anlamı |
|---|---|
etiket |
Sınıf adı |
sigmoid |
0-1 arasına sıkıştırır |
0.5 |
Varsayılan karar eşiği |
classes_ |
Sıralı sınıflar |