"Enter"a basıp içeriğe geçin

Model Complexity GraphLog transform for skewed datasetyapay sinir ağlarıScikit-Learn ile model eğitimione-hot encoding

Öznitelik Seçme Yöntemleri

Feature Selection Methods Makine öğrenmesi modellerinin gerek performansını gerekse öğrenme süresini etkileyen diğer bir etken ise öğrenmeye katkı sağlamayan ve hatta kimi durumlarda olumsuz etki eden özniteliklerdir. Bu gibi veri setinde yer bulmuş özniteliklerden performans iyileştirme ya da eğitim süresini kısaltma gibi amaçlarla kurtulmak için öznitelik seçme (feature selection) yöntemleri geliştirilmiştir. Temel olarak ikiye ayrılmaktadırlar:…

Veri Dengeleme

Data Balancing Sınıflandırma problemlerine ait veri setlerinde hedef değerin (target, label) kategorik dağılımında yüksek oranda dengesizlik olduğunda bazı öğrenme algoritmalarının performansında düşüş gözlenebiliyor. Bu gibi durumlarda ilk tercih olmasa da veri dengeleme yolu tercih edilebilir. Veri dengelemek için iki temel yoldan söz edilebilinir:, Over Sampling Under Sampling Düşük oranda bulunan kategoriye ait gözlemlerin özelliklerinden yararlanarak…

Veri Temizleme

Data Cleaning Veri temizleme (Data Cleaning) veri setinde var olan ve uygulanacak makine öğrenmesi modelinin performansını olumsuz yönde etkileyecek problemlerin ortadan kaldırılmasını amaçlayan veri ön işleme adımlarının bütünüdür. Çoğunlukla çalışma yapılan alanla ilgili bilgi (domain knowledge) gerektirir. Veri temizleme yöntemleri ile bir çok problem giderilebilse de kimi durumlarda veri toplama adımına geri dönülmesinden çekinilmemelidir. Veri…

Veri Ölçeklendirme ve Normalizasyon

Feature Scaling and Normalization Sıklıkla eş anlamlı olarak kullanılsalar da normalizasyon (normalization) bir veri öz niteliğinin (feature) dağılımına müdahale ederek normal dağılıma çevirmek iken ölçeklendirme (scaling) veri aralığını güncellemek anlamına gelmektedir. Bir çok makine öğrenmesi yöntemi, kümeleme analizi ya da veri ön işleme adımları veri ölçeklerine yüksek bağımlılık gösterirken kimi yöntemler ise dağılıma karşı da…

Aykırı Değer Tespiti (Outlier Detection)

Outlier Detection Aykırı değerler (outliers) veriler üzerindeki diğer gözlemlerden ya da örneklerden aşırı sapan, ölçümde deneysel hatalar ya da farklılık belirtebilen değerlerdir. Genel duruma uyum göstermezler. Farklı ancak kısmen benzer anlamlara gelen anomali (anomaly) ve aykırı değer (outlier) kavramları birbirleri yerine sıklıkla kullanılmaktadır. Diğer yandan her ikisinin de tespiti için benzer yöntemler kullanmak mümkün. Ancak…

Yükleniyor…

Bir yanlışlık oldu. Lütfen sayfayı yenileyin ve/veya tekrar deneyin.

Translate »