Makine öğrenmesine giriş

Kanca

Bir spam filtresi yazman gerekiyor. “Ücretsiz” veya “kazandınız” kelimesi geçen mesajları spam say — basit, mantıklı bir kural. Ama “bu ürün tamamen bedava” mesajı bu kuralı atlatıyor, çünkü “bedava” listede yok. Her yeni spam taktiğini elle mi ekleyeceksin, yoksa sistemin kendisi mi öğrensin?

Sezgi

Geleneksel programlamada kuralı SEN yazarsın: “eğer şu kelime varsa, spam say.” Sistem senin yazdığın kuralın dışına asla çıkamaz — düşünmediğin her durum, sistemin kör noktası olur.

Makine öğrenmesinde ise kuralı SEN yazmazsın — örneklerden (etiketli veri) ÖĞRENİLİR. Sen “işte 1000 spam, işte 1000 normal mesaj” dersin, algoritma bu örnekler arasındaki ayırt edici örüntüyü kendisi bulur. Yeni bir spam taktiği ortaya çıktığında, yeni örneklerle yeniden eğitmek yeterlidir — kuralı elden geçirmek gerekmez.

Mekanizma

Önce kural tabanlı yaklaşımı deneyelim:

# Geleneksel programlama: SEN kuralı yazarsın. Spam tespiti için "ücretsiz" veya
# "kazandınız" kelimesi geçiyorsa spam say.
def kural_tabanli_spam_mi(mesaj):
    tetikleyiciler = ["ücretsiz", "kazandınız", "tıklayın"]
    return any(kelime in mesaj.lower() for kelime in tetikleyiciler)

ornek_mesajlar = [
    ("Ücretsiz kargo fırsatını kaçırmayın!", True),
    ("Toplantı saat 14:00'e alındı.", False),
    ("Tebrikler, hediye çekinizi kazandınız!", True),
    ("Bu ürün tamamen bedava, hemen sahip olun.", True),  # "ücretsiz" kelimesi YOK ama spam
]

print("Kural tabanlı sistem:")
dogru_sayisi = 0
for mesaj, gercek_etiket in ornek_mesajlar:
    tahmin = kural_tabanli_spam_mi(mesaj)
    dogru = tahmin == gercek_etiket
    dogru_sayisi += dogru
    print(f"  '{mesaj[:40]}...'  tahmin={tahmin}  gerçek={gercek_etiket}  {'✓' if dogru else '✗ YANLIŞ'}")
print(f"Doğruluk: {dogru_sayisi}/{len(ornek_mesajlar)} — 'bedava' gibi eş anlamlıları kural yazan kişi unutabilir.")

Kural tabanlı sistem:
  'Ücretsiz kargo fırsatını kaçırmayın!...'  tahmin=True  gerçek=True  ✓
  'Toplantı saat 14:00'e alındı....'  tahmin=False  gerçek=False  ✓
  'Tebrikler, hediye çekinizi kazandınız!...'  tahmin=True  gerçek=True  ✓
  'Bu ürün tamamen bedava, hemen sahip olun...'  tahmin=False  gerçek=True  ✗ YANLIŞ
Doğruluk: 3/4 — 'bedava' gibi eş anlamlıları kural yazan kişi unutabilir.

3/4 doğru — “bedava” kelimesi listede olmadığı için son mesajı kaçırdık. Şimdi aynı problemi veriden öğrenerek çözelim:

# Makine öğrenmesi: kuralı SEN yazmazsın — örneklerden (etiketli veri) ÖĞRENİLİR.
# Basit bir öznitelik kullanalım: mesajdaki "şüpheli kelime sayısı".
supheli_kelimeler = ["ücretsiz", "bedava", "kazandınız", "tıklayın", "hediye", "fırsat"]

def supheli_kelime_sayisi(mesaj):
    return sum(kelime in mesaj.lower() for kelime in supheli_kelimeler)

# 40 örnek e-posta simüle edelim: spam olanlarda şüpheli kelime sayısı yüksek eğilimli.
n = 40
spam_mi = rng.random(n) < 0.5
supheli_sayilar = np.where(spam_mi, rng.poisson(3, n), rng.poisson(0.5, n))

# "Öğrenme": en iyi ayırt edici eşiği VERİDEN bul (basitçe, iki grubun ortalamasının ortası).
esik = (supheli_sayilar[spam_mi].mean() + supheli_sayilar[~spam_mi].mean()) / 2
tahminler = supheli_sayilar >= esik
dogruluk = (tahminler == spam_mi).mean()

print(f"\nVeriden öğrenilen eşik: {esik:.2f} şüpheli kelime")
print(f"40 örnekte doğruluk: %{dogruluk * 100:.1f}")
print("\nBu eşiği kimse elle yazmadı — 40 örnekten HESAPLANDI. Yeni bir kelime listesi")
print("gerekmiyor: veri değişince (örn. yeni spam taktikleri) eşik yeniden öğrenilebilir.")

Veriden öğrenilen eşik: 1.85 şüpheli kelime
40 örnekte doğruluk: %90.0

Bu eşiği kimse elle yazmadı — 40 örnekten HESAPLANDI. Yeni bir kelime listesi
gerekmiyor: veri değişince (örn. yeni spam taktikleri) eşik yeniden öğrenilebilir.

%90 doğruluk — ve dikkat et, eşiği (1.85) kimse elle yazmadı. 40 örnekteki spam ve normal mesajların şüpheli kelime sayısı ortalamalarından hesaplandı. Çoğu kişi “makine öğrenmesi sihirli bir kara kutu” sanır. Değil, çünkü burada olan şey aslında çok sade: verideki iki grubun (spam/normal) istatistiksel özelliklerine bakıp, onları en iyi ayıran bir sınırı bulmak. İleride göreceğimiz karmaşık modeller (Random Forest, sinir ağları) de temelde aynı fikri çok daha sofistike şekillerde yapıyor.

Matematik

Kod

Nerede işe yarar

Bu “veriden öğrenme” fikri, bu kursun geri kalanının temelini oluşturuyor:

• Ürün önerileri. Bir kullanıcının hangi ürünleri beğeneceğini, geçmiş davranışlardan öğrenen sistemler.
• Fiyat tahmini. Bir evin özelliklerinden (metrekare, konum, oda sayısı) fiyatını tahmin eden modeller — 3. derste kuracağız.
• Görüntü ve dil. Bir fotoğrafta kedi mi köpek mi olduğunu, ya da bir cümlenin hangi dilde yazıldığını, kural yazmadan örneklerden öğrenen sistemler.

Bu 3 hatayı yaparsın:

1. Her problemin makine öğrenmesi gerektirdiğini sanmak — basit, net kurallarla çözülebilen problemlerde kural tabanlı yaklaşım daha hızlı ve şeffaftır.
2. Az sayıda örnekle (bizim 40 örneğimiz gibi) öğrenilen bir modelin her durumda genelleyeceğini varsaymak.
3. “Öğrenilen” bir modelin asla hata yapmayacağını sanmak — %90 doğruluk, %10 hata payı demektir.

Kendini test et

Özet