Makine Öğrenmesi

Spam tespiti için kural mı yazarsın, yoksa örneklerden mi öğretirsin? İkisini de deneyip makine öğrenmesinin ne olduğunu somut bir farkla kuruyoruz.

Etiketli veri, etiketsiz veri, ya da sadece bir ödül sinyali — makine öğrenmesinin üç ailesini, üç somut örnekle ayırıyoruz.

20 evin metrekare-fiyat verisinden, hatayı 16.4 kat azaltan bir doğru buluyoruz. Bu doğru nasıl 'bulunuyor', hangi doğru en iyisi?

Metrekareye oda sayısını ekleyince kapalı formül yetersiz kalmaya başlayabilir. Gradyan inişi, aynı sonuca adım adım nasıl ulaşıyor?

MSE'yi zaten biliyorsun. Peki MAE, RMSE ve R² ne işe yarar, ve tek bir aykırı değer neden RMSE'yi %191 artırırken MAE'yi sadece %69 artırıyor?

Metrekarenin karesini eklemek MSE'yi 2.7 kat düşürüyor -- ama dereceyi 15'e çıkarmak neden daha da kötü sonuç veriyor?

Derece=1 model de kötü, derece=16 model de kötü -- ama farklı NEDENLERLE. Aradaki derece=7 neden en iyisi, ve bunu nasıl anlarız?

6 öznitelikten 3'ü saf gürültü. Lasso bu 3'ünü katsayısını tam sıfıra indirerek 'eliyor' -- Ridge neden aynısını yapamıyor?

Karıştırılmış bir K-Fold, zaman serisi verisinde R²=0.31 gösteriyor; doğru yöntem R²=-3.71 buluyor. Aradaki fark, gelecekteki veriyi eğitime sızdırmak.

Doğrusal regresyon, 0 saat çalışan bir öğrenciye -0.11 geçme 'olasılığı' veriyor. Bu anlamsız sayı, lojistik regresyona neden ihtiyacımız olduğunu gösteriyor.

Herkese 'hastalık yok' diyen bir model %90 doğruluk alıyor ama TÜM hastaları kaçırıyor. Doğruluk neden bazen yanıltıcı, hangi metrik ne zaman doğru?

1000 işlemden 30'u dolandırıcılık. Düz bir model bunların TEK BİRİNİ bile yakalayamıyor -- recall tam olarak sıfır. İki basit düzeltme bunu nasıl çözüyor?

Lojistik regresyon 'bir sınır bulur'. SVM 'en GENİŞ marjinli sınırı' bulur -- ve bu marjini sadece 2 nokta belirliyor. Diğer 38 nokta neden önemsiz?

Öznitelikleri elle 3 boyuta genişletmek ile RBF kernel kullanmak AYNI sonucu veriyor. Farkları ne, ve kernel neden 'hile' olarak adlandırılıyor?

Model, öznitelikler bağımsızmış gibi davranıyor -- ama gerçekte aralarında 0.375 korelasyon var. Bu 'yanlış' varsayım neden hâlâ %92.5 doğruluk veriyor?

KNN hiç 'eğitilmiyor' -- tahmin anında tüm veriye bakıyor. Ama bir özniteliği 100 kat büyütmek doğruluğu %97.8'den %73.3'e düşürüyor. Neden?

Sınırsız derinlikli bir ağaç eğitim verisini %100 ezberliyor ama çapraz doğrulamada derinlik=2'den daha iyi değil. Ağaç nasıl ezberliyor, nasıl önleriz?

Aynı veriye Gini kriteriyle kurulan ağaç %94.2, entropi kriteriyle kurulan ağaç %86.7 doğruluk veriyor. İki 'kirlilik' ölçüsü neden FARKLI ağaçlar üretiyor?

Aynı veriye kurulan 8 karar ağacı, aynı yeni müşteri için 2 farklı tahmin veriyor. Tek bir ağaca güvenmek yerine, hepsinin oyunu alsak?

Random Forest, 4 saf gürültü özniteliğini kendi kendine düşük öneme indiriyor -- hiçbirini elle çıkarmadan. Bagging'den tek farkı nedir?

Tek bir 'karar kütüğü' %68 doğruluk veriyor. 50 tanesini AdaBoost ile art arda birleştirince %98.5'e çıkıyor. Ağaçlar burada neden SIRAYLA kuruluyor?

Her yeni ağaç, fiyata değil bir öncekinin HATASINA uyduruluyor. 3 turda MSE 74.6'dan 11.3'e iniyor -- ama en yüksek öğrenme oranı çapraz doğrulamada en kötüsü.

1000 ağaç istendi ama XGBoost 27'de kendiliğinden durdu -- ve scikit-learn'ün Gradient Boosting'inden 2.6 kat hızlı, neredeyse aynı doğrulukla.

20.000 satırda LightGBM, XGBoost'tan 2.9 kat hızlı -- kategorik bir özniteliği one-hot encode ETMEDEN de kullanabiliyor. Hız nereden geliyor?

Gelirin çarpıklığı 2.543. Box-Cox sonrası -0.001'e iniyor, Shapiro-Wilk p-değeri 0.00000'dan 0.84489'a fırlıyor. Tek formül bunu nasıl başarıyor?

5 öznitelikli bir veri setinde ilk 2 bileşen varyansın %99.6'sını açıklıyor. 5 sayı yerine 2 sayı yeterliyse, diğer 3'ü nereye kayboldu?

20 rastgele başlangıçtan 9'u kötü bir yerel optimuma takılıyor. K-Means'in 'ata, sonra merkez güncelle' döngüsü neden bazen yanlış bir yerde durabiliyor?

Inertia, k arttıkça hep azalır -- asla bir 'en iyi k' göstermez. Silhouette skoru ise k=3'te tam zirve yapıp sonra düşüyor. Aradaki fark ne?

İki kümeyi ince bir nokta köprüsü birleştiriyor. single-linkage köprüyü takip edip kümeleri YANLIŞLIKLA birleştiriyor (ARI=0.725), diğer 3 yöntem düşmüyor.

İki 'ay' şeklindeki kümede K-Means'in ARI'si sadece 0.245. DBSCAN aynı veride 2 kümeyi doğru buluyor VE 11 gürültü noktasını fark ediyor. Fark nereden geliyor?

Normal bir noktayı rastgele bölünmelerle izole etmek ortalama 12.3 adım sürüyor. Bir anomaliyi izole etmek sadece 4.8 adım. Neden bu kadar farklı?