Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, İzmir Bakaç Üniversitesi Bilgisayar Mühendisliği ikinci sınıf öğrencisi Sen Koçak tarafından sunulan bir eğitim içeriğidir.
- Videoda R programlama dili kullanılarak kesirli veri analizi ve görselleştirme teknikleri adım adım gösterilmektedir. İçerik, veri çerçevesinin yüklenmesi, temel istatistik değerlerinin görüntülenmesi, eksik değerlerin kontrolü, korelasyon analizi ve çeşitli görselleştirme teknikleri (scatter plot, join plot, catplot, displot, violin plot, count plot) kullanılarak veri analizi yapma adımlarını kapsamaktadır.
- Eğitmen, petland, petle, sepland, sepulvet ve tür gibi değişkenler üzerinde örnekler vererek, veri setindeki ilişkileri ve dağılımları nasıl analiz edebileceğimizi göstermektedir. Ayrıca veri filtreleme, gruplama işlemleri ve istatistiksel değerlerin (ortalama, standart sapma, maksimum) hesaplanması gibi konular da ele alınmaktadır.
- 00:04Kesirli Veri Analizi Giriş
- İzmir Bakaç Üniversitesi Bilgisayar Mühendisliği ikinci sınıf öğrencisi Sen Koçak, kesirli veri analizi ile ilgili örnekler gerçekleştirecek.
- Numpy, seburn ve pandas kütüphaneleri import edilerek veri çerçevesi yükleniyor.
- 00:52Veri Çerçevesi İncelemesi
- Veri çerçevesinin ilk beş gözlemi görüntüleniyor.
- Veri çerçevesi 150 gözlem ve 6 değişkenden oluşuyor.
- Veri çerçevesindeki değişkenlerin tipleri ve bellek kullanımı "info" fonksiyonu ile görüntüleniyor.
- 01:47İstatistiksel Analiz
- Sayısal değişkenler için temel istatistik değerleri "describe" fonksiyonu ile görüntüleniyor.
- Standart sapma ve ortalama değerlerden çıkarımda bulunarak değişkenlerin varyansı inceleniyor.
- Veri setinde eksik değer olup olmadığı "isna" fonksiyonu ile kontrol ediliyor.
- 03:23Korelasyon Analizi
- Sayısal değişkenler arasında korelasyon olup olmadığı "df.corr()" fonksiyonu ile gösteriliyor.
- Korelasyon katsayıları +1'e yaklaştıkça iki değişken arasında aynı yöndeki ilişki artıyor.
- Korelasyon katsayılarını daha iyi okuyabilmek için ısı haritası çizdiriliyor.
- 04:31Hedef Değişken İncelemesi
- Hedef değişken olan "tür" değişkeninin benzersiz değerleri "unique()" fonksiyonu ile görüntüleniyor.
- Benzersiz değer sayısı "nunique()" fonksiyonu ile hesaplanıyor.
- 05:21Görselleştirme Teknikleri
- Apple with ve seculland değişkenlerinin sürekli olduğu için scatter plot kullanılarak görselleştiriliyor.
- Aynı iki veriyi farklı biati dans frekanslarıyla incelemek için join plot kullanılıyor.
- Scatter plot ile hedef değişkenine göre kırdırma işlemi "hue" argümanı ile gerçekleştiriliyor.
- 07:51Dağılım Analizi
- Değer count fonksiyonu ile tür değişkeninin dengeli dağılımı sorgulanıyor.
- Keman grafiği çizdirilerek seculland değişkeninin dağılımı inceleniyor.
- Keman grafiğinde 30 değeri medyan değerini, minimum ve maksimum değerler ise uç değerleri ifade ediyor.
- 09:58Ek Görselleştirme Teknikleri
- Displot fonksiyonu kullanılarak dağılım görselleştiriliyor.
- Box plot fonksiyonu ile üç farklı keman grafiği tek bir satır ile görselleştiriliyor.
- Count plot fonksiyonu ile hangi çiçek türünden kaç adet gözlem barındırdığı inceleniyor.
- 13:06Son Görselleştirme
- Seleland ve sele with değişkenleri joinplot ile görselleştiriliyor.
- Dağılımın frekansının yüksek olduğu bölgeler inceleniyor.
- Görselleştirmeye "density" parametresi eklenerek noktalı gösterimden çıkıp yoğunluk odaklı bir görselleştirmeye dönüştürülüyor.
- 14:06Veri Görselleştirme
- Fonksiyon kullanılarak sele and değişkeninin değerleri y eksenine, kind parametresi eklenerek ve renk belirlenerek görselleştirme gerçekleştirilmiştir.
- Scatter plot ile petland ve petle which değişkenlerinin dağılımı çizilmiştir; x eksenine petland, y eksenine petle değişkenleri yazdırılmıştır.
- Scatter plot'a hue argümanı ve türü parametresi eklenerek üçüncü bir boyut verilmiş, Caterplus'ta değişkenlerin aynı anda değerlendirilmesi mümkün olmuştur.
- 15:51İmplant Görselleştirme ve Korelasyon
- İmplant görselleştirmesi petland ve petvit değişkenleri ile implemente edilmiş, iki değişken arasındaki doğrusal ilişki gösterilmiştir.
- Petland ve petvit arasında pozitif yönlü güçlü bir ilişki olduğu grafiğe bakılarak belirlenmiştir.
- İki değişken arasındaki korelasyon katsayısı yazdırılarak ilişki güçlendirilmiştir.
- 17:31Veri İşlemleri
- Petland ve sepland değerleri toplanarak yeni bir totalland özniteli oluşturulmuştur.
- Totalland değişkeninin ortalama değeri, standart sapma değeri ve maksimum değeri sırasıyla min, std ve max fonksiyonları kullanılarak hesaplanmıştır.
- Petland'in 5'ten küçük ve türü setosa olan gözlemlerin sadece petland ve petvit değişkenleri ve değerleri yazdırılmıştır.
- 19:43Gruplama İşlemleri
- Hedef değişken türe göre gruplama işlemi yapılarak değişken değerlerinin ortalaması görüntülenmiştir.
- Türe göre gruplama işlemi yaparak sadece petland değerinin standart sapma değeri yazdırılmıştır.
- Grup by fonksiyonu kullanılarak türe göre gruplama yapılmış ve petland değişkeninin standart sapma değeri hesaplanmıştır.