Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan WEKA (Veka) veri madenciliği programının kullanımını anlatan eğitim serisinin ilk bölümüdür.
- Video, WEKA programının temel menülerini (Explore, Experimenter, Knowledge Flow, Flow, Workbench ve Simple CLI) tanıtarak başlıyor ve programın tarihçesini açıklıyor. Ardından veri seti yükleme, ön işleme ve görselleştirme işlemlerini "Weather Nominal" veri seti üzerinden gösteriyor. Eğitmen, sınıflandırma ve kümeleme algoritmalarını, denetimli (supervised) ve denetimsiz (unsupervised) modeller arasındaki farkları, filtreleme işlemleri ve değişken bazında yapılan ön işleme işlemlerini örneklerle anlatıyor.
- Eğitmen, veri madenciliği modelleri ve analizleri hakkında daha fazla video çekmeyi planladığını belirtiyor ve izleyicilerin YouTube yorumlarında istedikleri konuları paylaşmalarını istiyor.
- 00:07Veka Programının Genel Tanıtımı
- Veka programı, Waikikito Androment for Knowledge kelimelerinin baş harfleriyle oluşturulmuş bir programdır ve aynı zamanda Yeni Zelanda'daki bir kuşun adıdır.
- Veka programının temel menüleri: Explore, Experimenter, Knowledge, Flow, Workbench ve Simple CLI'dir.
- Simple CLI, basit komut satırı arayüzü anlamına gelir ve burada Veka ile ilgili komutlar uygulanabilir.
- 01:07Veka Programının Menüleri
- Workbench, makine öğrenmesi algoritmaları ve veri düzenleme algoritmalarının bulunduğu bir ortamdır.
- Knowledge Flow, makine öğrenmesi deneylerini gerçekleştirebileceğiniz Java Beans tabanlı bir menüdür.
- Experimenter, öğrenme şemaları arasında istatiksel testleri gerçekleştirmek için kullanılırken, Explorer, veri keşfi, veri incelemeleri ve veri madenciliği algoritmalarının bulunduğu bir kısım olarak kullanılır.
- 02:58Veka Programının Veri Madenciliği Menüleri
- Veka programında ön veri işleme menüsü, Classify, Cluster, Associate, Select, Attribute ve Visualize menüleriyle birliktedir.
- Classify menüsü, sınıflandırma problemleri için kullanılan algoritmaları içerir.
- Cluster menüsü, kümeleme problemleri için kullanılırken, Associate menüsü birliktelik kural madenciliği için kullanılır.
- 04:38Veri Setleri ve Veka Programı
- Veka ile sık kullanılan veri madenciliği araçlarından biri olan veri setleri, programın kurulu olduğu klasördeki data klasöründe bulunmaktadır.
- Standart olarak iris, diyabetli hasta, hava durumu ve supermarket gibi bilinen veri setleri bulunmaktadır.
- Veka programı ARFF uzantılı dosya formatını tanır ve Excel veya CSV uzantılı dosyalar ARFF formatına çevrilerek açılabilir.
- 06:31Veri Seti Analizi
- Bir veri seti sisteme yüklenince Classify, Cluster, Associate gibi veri madenciliği menüleri aktif hale gelir.
- Veka, sisteme yüklenen veri setindeki son değişkeni varsayılan olarak sınıf değişkeni olarak atar.
- Veri setindeki değişkenlerin (attribute) tipleri, unique değerleri ve kayıp değerleri gibi bilgiler görüntülenebilir.
- 09:40Veri Görselleştirme ve Ön İşleme
- Veri setindeki sınıf değişkenine göre veriler mavi (oynama) ve kırmızı (oynamama) renkleriyle görselleştirilebilir.
- Sınıf değişkeni değiştirilebilir, örneğin "temperature" değişkeni sınıf olarak belirlendiğinde veri seti bu değişkene göre üç gruba bölünür.
- Veri ön işleme menüsünde veri setine göz gezdirme, değer değiştirme, veri setini kaydetme, yeni veri seti oluşturma ve veri çekme işlemleri yapılabilir.
- 12:09Veri Madenciliği Algoritmaları ve Görselleştirme
- Sınıflandırma ve kümeleme kısımlarından ilgili algoritmaları seçebilirsiniz, ancak veri setine uygun olmayan algoritmalar sönük olarak görüntülenir ve seçilemez.
- Veka görselleştirme özellikleri diğer veri madenciliği araçlarına göre kadar gelişmiş olmasa da, oluşturulan modelin çıktısını görsel olarak görüntüleme imkanı sunar.
- 13:11Ön İşleme ve Filtreleme İşlemleri
- Ön işleme kısmında veri setindeki değerlerle ilgili değişiklikler yapılabilir, örneğin nominal verilerin ikili değerli değişkenlere dönüştürülmesi veya ölçek düzeylerinde değişiklikler yapılabilir.
- Filtreleme kısmında "supervised" (denetimli) ve "unsupervised" (denetimsiz) iki menü bulunur, denetimli modelde kullanıcı yön gösterirken, denetimsiz modelde algoritma kendiliğinden işlem yapar.
- Değişken bazında ve kayıt bazında filtreleme işlemleri yapılabilir, örneğin nominal verilerin ikili değerli değişkenlere dönüştürülmesi veya numerik verilerin tarih verisine dönüştürülmesi gibi işlemler yapılabilmektedir.
- 16:35Veri Seti Analizi
- Veri setindeki değişkenlerin özelliklerini inceleyebilirsiniz, örneğin nominal bir değişken olan "hava durumu dış görünüşü" üç farklı değeri alabilir.
- Nümerik değişkenler için temel istatistiksel değerler (minimum, maksimum, ortalama, standart sapma) görüntülenebilir.
- Sınıf değişkeni belirtilmişse, sınıf değerlerinin diğer değişkenler üzerinde nasıl dağıldığı görselleştirilebilir.
- 18:44Video Kapanışı
- Bu videoda ön işleme ile ilgili bilgilendirme ve Veka ile ilgili genel menü ve düğme bilgileri sunulmuştur.
- Daha sonraki videolarda veri madenciliği modelleri ve menüleri tanımlanacak, veri madenciliği problemlerinin çözümü üzerine konuşulacaktır.
- İzleyiciler farklı veri madenciliği modellerinin Veka ile nasıl çözümleneceği konusunda sorularını YouTube yorum kısmında belirtebilir.