SVG - JavaScript - DOM

İstemci tarafındaki HTML elementlerine hükmetmenin en iyi yolu DOM üzerinden JavaScript programlama dilini kullanmaktır. Benzer şekilde istemci taraflı SVG diline de hükmedebiliriz. Bu blog yazısında bir daire üzerine tıklandığında kenar kalınlıklarını ve rengini değiştirip elementin boyutu büyüten ve küçülten bir örnek anlatılacaktır. Dah fazla...

Model Değerlendirme - Sınıflandırma

Bir makine öğrenmesi çalışmasında modelin kaç tane durumu doğru olarak tahmin ettiği çok yeterli bir değerlendirme kriteri değildir. Örneğin elimizde 1000 tane veri olsun. 900 tanesi A sınıfı içinde iken 100 tanesi B sınıfının içinde olsun. Bir makine öğrenmesi metodu geliştirirsen ve hepsini A olarak bilirse başarısı %90'dır. Bu yazıda modelimizi daha iyi değerlendirmek için "confusion matrix" konusu anlatılmıştır.Dah fazla...

Makine Öğrenmesinden Elde Edilen Modellerin Değerlendirmesi

Makine öğrenmesi metotları kullanılarak büyük veri setleri uygun modeller elde edilir. Değerlendirme, hangi modelin daha iyi olduğunu bulmak ve gelecekte öğrenme modelinin ne kadar iyi çalışacağını anlamak için yardımcı olur. Sadece eğitim (training) datayı kullanmak kabul edilebilir durum değildir çünkü metot  overfitting (aşırı uyum) durumda olabilir. Bu durumdan kurtulmak için iki farklı yaklaşım önerilir: hold-out ve cross-validation. Overfitting'ten kaçınmak ve model performansını ölçmek için her iki yaklaşım bir test kümesi (metot eğitimde hiç kullanılmamış) kullanır.Dah fazla...

Makine Öğrenmesi Metotları

Bir makine öğrenmesi metodu tahminde bulunmak için bir çıktı üretir. Bu çıktı kategorik ise sınıflandırma (classification) ve eğer nümerik ise regresyon (regression) denir. Açıklayıcı bir modelleme olan kümeleme (Clustering) ise benzer gözlemleri aynı kümelere atama işlemidir. Birliktelik Kuralları (Association Rules) ile gözlemler arasındaki ilginç bağlantılar bulunabilir. Dah fazla...