Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan makine öğrenmesi derslerinin ilk bölümüdür. Eğitmen, gerçek hayatta nasıl para kazandığını paylaşarak konuyu anlatmayı amaçlamaktadır.
- Video, makine öğrenmesinin temel kavramlarını açıklayarak başlıyor ve regresyon modeline odaklanıyor. İlk bölümde regresyon ve sınıflandırma olmak üzere iki temel model tipi anlatılırken, ikinci bölümde multi-lineer regresyon detaylı olarak ele alınıyor. Regresyon formülleri (y = ax + b ve ax + b + e) örneklerle açıklanıyor ve beygir gücü, ağırlık, marka, model, vites tipi gibi özelliklerle araba fiyatlarını tahmin etmek için nasıl kullanıldıkları gösteriliyor.
- Video, teorik bilgilerin yanı sıra pratik uygulamalara da değinecek şekilde yapılandırılmış olup, bir sonraki derste pratik uygulamalara geçileceği belirtilmektedir.
- Makine Öğrenmesi Tanıtımı
- Konuşmacı makine öğrenmesi derslerinin ilk videosunu çekiyor ve bu derslerin gerçek hayatta nasıl kullanıldığını anlatacağını belirtiyor.
- Makine öğrenmesi, geçmişteki verileri öğrenerek tahmin yapan bir alandır ve veri olmadan bir tahminde bulunamaz.
- Makine öğrenmesi uygulamalarında sonunda bir tahmin (prediction) çıkması gerekir, sadece skor bulmak yeterli değildir.
- 03:50Regresyon ve Sınıflandırma
- Makine öğrenmesinde kullanılan iki temel model tipi vardır: regresyon ve sınıflandırma.
- Regresyonda sayısal bir aralık içindeki bir değer bulunur, örneğin otomobil fiyatını tahmin etmek.
- Sınıflandırmada ise bir kategori bulunur, örneğin hangi araba markasını tercih etmek gerekiyor.
- 06:04Regresyon Formülü
- Regresyonda en temel formül y = ax + b şeklindedir.
- y, tahmin edilecek değerdir (örneğin otomobil fiyatı), x ise tahmin etmek için kullanılan diğer verilerdir (marka, model, kilometre vb.).
- a, x değişkeninin katsayısıdır ve her verinin fiyata etkisi farklıdır.
- b sabit terimidir ve bazı durumlarda sabit bir değer olabilir (örneğin poşet fiyatı).
- 08:56Regresyon Uygulaması
- Regresyonda verilerin üzerinden geçen en iyi doğru bulunur.
- Bu doğruyu bulduktan sonra, herhangi bir x değeri verildiğinde y değerini tahmin etmek mümkündür.
- Çoklu değişkenli regresyon (multi-lineer regresyon) daha sık kullanılır.
- 11:21Çoklu Doğrusal Regresyon
- Çoklu doğrusal regresyon, birden fazla bağımsız değişken içeren regresyon modelidir ve iki boyutlu olabilir, ancak yüzlerce boyutlu da olabilir.
- Python ve kütüphaneler sayesinde çoklu regresyon hızlı ve pratik şekilde yapılabilir.
- Çoklu regresyonda her bir X değişkeni bir özelliğe karşılık gelir ve Y bağımlı değişken, X'lerin (bağımsız değişkenlerin) etkisine bağlıdır.
- 14:00Regresyon Formülü ve Hata Terimi
- Regresyon formülü Y = aX + b şeklindedir, burada Y bağımlı değişken, X bağımsız değişken, a bağımsız değişkenin katsayısıdır.
- Formülde ayrıca b sabit terimi ve e hata terimi bulunur.
- Polinomiyel doğrusal regresyon, doğru yerine eğri çizmek için katsayıları artırmak gibi işlemlerle yapılır.