Naive Bayes algoritma yöntemi, sınıflandırma işlemi için daha önce sisteme tanıtılmış olan verileri kullanarak daha sonra verilen verinin hangi sınıfa dahil olacağını tahmin eden istatistik tabanlı bir algoritma yöntemidir. Naive Bayes Sınıflandırıcı (Naive Bayes Classifier) Bayes Teoremi’nden faydalanılarak oluşturulmuş kolaylıkla anlaşılabilir ve uygulanabilir bir yöntemidir.
Devamı...
Support Vector Machine, Destek Vektör Makinesi olarak Türkçe'ye çevrilebilir. Sınıflandırma için kullanılan makine öğrenmesi yöntemlerden biridir.
Devamı...
Kaggle » Machine Learning ve Big Data denilince ilk akla gelen ve bu alanlarda düzenlediği para ödüllü yarışmalarla tanınan dünyanın en büyük veri bilimi platformu.
Weka » Waikato Environment for Knowledge Analysis. Waikato Üniversitesi tarafından geliştirilmiş, veri madenciliği ve makine öğrenmesi alanlarında kullanılan, içerisinde hazır olarak bir çok veri seti gelen açık kaynak bir veri işleme programı.
Python'da veri görselleştirmek için aşağıdaki kütüphaneleri kullanabilirsiniz.
Devamı...
Veri setlerini, görselleştirme kütüphaneleri ile zenginleştirip temel regresyon veya sınıflandırma algoritmaları ile çözebilirsiniz.
Devamı...
Makine öğrenmesinin temeli bu data setidir. 28X28 pixel, el yazısı rakamlardan oluşur. Toplamda 70.000 resim var.
Devamı...
Confusion Matrix(Hata Matrisi): sınıflandırma problemleri için kurulan modellerin performans değerlendirmesinde kullanılabilen bir ölçüt olarak ifade edebiliriz. Confusion Matrix · Hata Matrisi · Karmaşıklık Matrisi · Karışıklık Matrisi gibi çeşitli isimlendirmeler mevcuttur.
Devamı...
İngilizce olasılık anlamına gelen "probability" sözcüğünden gelen p değeri, bir araştırma örnekleminde değişkenler arasındaki fark veya ilişkinin, gerçekte bir ilişki veya fark yokken sadece şans eseri ortaya çıkmış olma olasılığıdır. Ayrıca "p-value", örneğin bir veri içinde gerekli ve gereksiz değişkenlerin tespitinde kullanılabilmektedir.
Devamı...
Veriyi makine öğrenmesi algoritmalarına sokmadan önce, yani model için hazırlarken, veri üzerinde yapacağımız ön işlemlerden birisi de veri ölçekleme(feature scaling) işlemidir. Yöntemin amacı, nümerik veriler arasında farklılığın çok fazla olduğu durumlarda verileri daha dar bir aralığa sıkıştırmaktır.
Devamı...
Bilişim dünyasına kaliteli, özgün ve Türkçe içerikler kazandırmayı hedefleyen bir platform..
