Makine öğrenmesi kod yazmaya gerek duymadan size belirli birtakım veriler hakkında birçok şey söyleyebilen ve genel algoritmalar oluşturabilen bir fikirdir. Algoritmayı belirli verilerle desteklerseniz bu algoritma bu verilere dayanarak kendi mantığını oluşturur.
İki tip makine öğrenmesi algoritması vardır. Gözetimli Öğrenme ve Gözetimsiz Öğrenme.
GÖZETİMLİ ÖĞRENME(Supervised Learning):
Bu öğrenme çeşidinde algoritmalar öğrendiklerinden yola çıkarak tahmin yapmak için etiketli verileri kullanır. Eğitimde kullanılacak veriler önceden bilinir. Bu bilgi ile sistem öğrenir ve yeni gelen veriyi yorumlar.
Buna göre sistem yaptığı hatalardan ders çıkararak bu hataları öğrenmek için kullanır.
Örneğin bir emlakçıyı ele alalım. Emlakçı bir stajyer’e ev fiyatlarının nasıl belirlendiğini öğretmek istiyor. Bunun için daha önceden sattığı evlerin konumları, oda sayıları ve metrekareleri gibi bilgilerin yanında evlerin fiyatlarını da vererek satacağı diğer evlerin fiyatlarını belirlemesini istiyor. Bu şekilde çalışan bir algoritma Gözetimli Öğrenme algoritmasıdır.
GÖZETİMSİZ ÖĞRENME(Unsupervised Learning):
Gözetimli öğrenme yönteminden farklı olarak herhangi bir kategorize edilmemiş , etiketlenmemiş eğitim verisi kullanılır. Önceden eğitilmemiş ve bilinmeyen veriler arasında bağlantı kurarak birbirine yakın olan verileri sınıflandırması ve kümelendirmesi mantığıyla çalışır.
Veri örneklerinin birbirine olan uzaklıklarını, komşuluk ilişkilerini kullanarak veriyle ilgili çıkarımlar yapılmasını sağlar.
Bu kez bir sosyal ağ sitesini ele alalım. Sosyal ağ sitesinde tanıdığınız kişileri ekliyorsunuz. Site, üyelerini ekledikleri kişilere göre sınıflandırarak belirili arkadaş grupları oluşturuyor ve kullanıcıya “tanıyor olabileceğiniz kişiler” olarak sunuyor.
Sami KIZILBOĞA
Bilgisayar Mühendisliği