Merhaba,
Bu yazımda, makinelerin öğrenme mantığı hakkında kısaca bahsedeceğim.
Her şeyden önce öğrenmek kavramı nedir buna değinmek istiyorum. Öğrenmek kavramı kısaca, bilgi edinmek, beceri ve yetenek kazanmak olarak tanımlanabilir. Bu doğrultuda makine öğrenmesi, makinelerin tahmin etme yeteneği kazanması olarak değerlendirilebilir. Makine öğrenmesinin tanımlarına bakıldığında ise kısaca şunu söyleyebilirim; veriler üzerinde hesaplamalar yaparak bir tahmin değerine ulaşılması.
Bizler de günlük hayatlarımızda sürekli bir şeyleri tahmin ederiz. Örneğin havanın çok bulutlu olduğu bir günde yağış (yağmur veya kar) olabileceğini tahmin ederiz ya da hava da hiç bulut yoksa, hava az bulutlu ise yağışın olmayacağını tahmin ederiz. Çünkü yağışın gerçekleşmesi olayı gökyüzündeki bulutlar ile ilişkilidir. Biz bu ilişkiyi bildiğimiz için yağışın olup olamayacağı konusunda bir öngörüde bulunabiliyoruz. Aslında biz bildiğimiz bilgiler doğrultusunda bir tahminde bulunuyoruz.
Peki makineler nasıl tahmin ediyor?
Aslında makineler de bizler gibi bildiği şeyleri yorumlayıp bir tahmin değeri oluşturuyor. Yukarıda bahsettiğim örneği makine için düşünelim. Burada öncelikle makineye yağışın hangi durumlarda gerçekleşip gerçekleşmediği bilgilerini vermemiz gerekiyor. Aksi takdirde makinenin doğru bir tahmin yapması beklenilemez. Bu bilgileri verdikten sonra ise makine bu bilgiler doğrultusunda belli bir tahmin katsayısı oluşturacaktır ve hava da ki bulut bilgisini verdiğimiz de bu tahmin katsayısı ile verilen değeri işleyerek havanın yağışlı olup olmayacağı ile ilgili bir tahminde bulunacaktır. Burada dikkat etmemiz gereken husus makineye verdiğimiz bilgilerin doğruluğudur. Eğer makineye yanlış bilgiler verirsek aldığınız sonuçlarda yanlış olacaktır.
Bu işlemleri yapmak için geçmişten günümüze makine öğrenmesi modelleri geliştirilmiştir. Modellerin gelişme sürecinde makinenin daha iyi öğrenmesi, daha kısa zamanda öğrenmesi, overfitting(aşırı öğrenme) olayının yaşanmaması gibi konular ele alınmıştır.
Makine öğrenmesi modelleri amaçlarına sonuçlara göre birkaç sınıfa ayrılmıştır:
Denetimli veya gözetimli öğrenme: Bu öğrenme yönteminde girdi kümesine karşılık bir çıktı kümesinin oluşmasını sağlayacak fonksiyonun öğrenilmesidir.
Denetimsiz veya gözetimsiz öğrenme: Bu öğrenme yönteminde girdi kümesine karşılık bir fonksiyon öğrenmek yerine veri içerisinde var olan ilişkilerin ve yapıların öğrenilmesidir.
Pekiştirmeli Öğrenme: Bu öğrenme yönteminde ise verilen çıktı değerlerine karşılık bir ödül (sinyal değeri) verilir ve makine bu değeri yükseltmeyi öğrenir.
Bu öğrenme yöntemlerine bağlı olarak birçok model bulunmaktadır. Yapacağınız çalışmaya bağlı olarak modelleri test edip verilen hata oranı en düşük olan ve en iyi tahmin değerlerini üreten modeli tercih edebilirsiniz.
