Size daha iyi hizmet sunabilmek için çerezleri kullanıyoruz.
Web sitemizde gezinme deneyiminizi geliştirmek, size kişiselleştirilmiş içerik ve hedefli reklamlar göstermek, web sitesi trafiğimizi analiz etmek ve ziyaretçilerimizin nereden geldiğini anlamak için çerezleri ve diğer izleme teknolojilerini kullanıyoruz.
⚠️
KVKK ve Çerez Politikası Bilgilendirmesi
6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) ve Aydınlatma Yükümlülüğü kapsamında; web sitemizin temel fonksiyonlarının çalışabilmesi, veri güvenliğinin sağlanması ve performans analizi yapılabilmesi için zorunlu çerezlerin kullanımı gerekmektedir. Çerez kullanımını reddetmeniz halinde, teknik imkansızlıklar ve veri senkronizasyonu kesintileri nedeniyle web sitemizdeki hizmetlerden yararlanmanız mümkün olmamaktadır. Sitemizdeki içeriklere erişebilmek için çerez kullanımını onaylamanız gerekmektedir.
Makine Öğrenmesinde Modern Kümeleme ve Sınıflandırma Stratejileri
Yapay zeka ve veri bilimi ekosisteminde, ham verinin anlamlı bir içgörüye dönüştürülmesi süreci iki temel sütun üzerine inşa edilir: Denetimli (Supervised) ve denetimsiz (Unsupervised) öğrenme. Bu yazıda, doğrusal sınıflandırma modellerinden başlayarak, kümeleme algoritmalarının matematiksel derinliklerine, aşırı uyum (overfitting) problemlerinin regülarizasyon teknikleriyle çözümüne ve pratik Python uygulamalarına ele alınacaktır.
Şekil 1: Makine Öğrenmesinde Modern Kümeleme ve Sınıflandırma Stratejileri.
Doğrusal Sınıflandırma ve Karar Sınırlarının Matematiği
Sınıflandırma, bir veri noktasının öznitelik vektörünü ($x$) girdi olarak alıp, önceden tanımlanmış bir ayrık etikete ($y$) eşleme sürecidir. En temel yaklaşım olan doğrusal sınıflandırmada, model bir “karar düzlemi” (decision hyperplane) oluşturur.
Doğrusal Sinyal ve Aktivasyon
Bir doğrusal modelin kalbi, girdi özniteliklerinin ağırlıklı toplamı olan doğrusal sinyaldir. Matematiksel olarak şu şekilde ifade edilir:
$$z = \sum_{i=1}^{n} w_i x_i + b$$
Burada $w$ parametreleri her bir özelliğin karar üzerindeki etkisini (önem derecesini) belirlerken, $b$ (bias) terimi karar sınırının orijinden kaydırılmasını sağlar. Eğer veri kümesi “doğrusal ayrılabilir” (linearly separable) ise, Perceptron Learning Algorithm (PLA) gibi algoritmalar bu ağırlıkları mükemmel bir ayrım sağlayana kadar günceller. Ancak gerçek dünya verileri nadiren bu kadar temizdir. Gürültülü veya hafif iç içe geçmiş verilerde, hata payını minimize eden Pocket Algorithm devreye girer; bu algoritma eğitim süreci boyunca elde edilen en iyi ağırlık setini hafızasında (“cebinde”) tutar.
Doğrusal Olmayan Dönüşümler
Veri seti dairesel veya karmaşık bir yapıdaysa, doğrusal modeller doğrudan başarısız olur. Bu noktada Kernel Trick veya öznitelik mühendisliği ile veriyi daha yüksek boyutlu bir uzaya taşımak gerekir. Örneğin, iki boyutlu düzlemde ayrılamayan veriler, $x^2 + y^2$ gibi dönüşümlerle üçüncü bir boyuta taşındığında bir düzlemle kesilebilir hale gelir.
Denetimsiz Öğrenme ve Kümeleme Mimarisi
Sınıflandırmanın aksine kümeleme, verinin etiketlenmediği durumlarda gizli yapıları keşfetmek için kullanılır. Temel amaç, küme içi benzerliği (intra-cluster similarity) maksimize ederken, kümeler arası benzerliği (inter-cluster similarity) minimize etmektir.
Lloyd Algoritması ve K-Means Mekanizması
K-Means, iteratif bir yer değiştirme algoritmasıdır ve genellikle Lloyd Algoritması ile eş anlamlı kullanılır. Algoritma şu optimizasyon problemini çözmeye çalışır:
Burada $\mu_j$, $j$. kümenin merkezidir (centroid). Süreç şu şekilde işler:
Atama Adımı: Her veri noktası, kendisine en yakın olan merkeze atanır (Öklid mesafesi kullanılır).
Güncelleme Adımı: Kümelerin merkezleri, o kümeye atanan tüm noktaların aritmetik ortalaması alınarak yeniden hesaplanır.
Python ile K-Means Uygulaması
Aşağıdaki kod bloğu, scikit-learn kütüphanesi kullanarak sentetik bir veri seti üzerinde kümeleme işlemini gerçekleştirmekte ve görselleştirmektedir:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
# Sentetik veri seti oluşturmaX, y = make_blobs(n_samples=500, centers=4, cluster_std=0.60, random_state=0)
# K-Means modelini eğitmekmeans = KMeans(n_clusters=4, init='k-means++', max_iter=300, n_init=10)
y_kmeans = kmeans.fit_predict(X)
# Görselleştirmeplt.scatter(X[:, 0], X[:, 1], c=y_kmeans, s=50, cmap='viridis')
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='red', s=200, alpha=0.75, marker='X')
plt.title("K-Means Kümeleme Sonuçları")
plt.show()
Model Optimizasyonu ve Hiperparametre Seçimi
Bir kümeleme modelinde en kritik soru “Kaç küme (K) olmalı?” sorusudur. Bunun için iki temel metrik kullanılır:
Dirsek Yöntemi (Elbow Method): K değerine karşılık gelen toplam kare hata (Inertia) grafiğe dökülür. Hatanın azalma hızının aniden düştüğü ve grafiğin bir dirsek şeklini aldığı nokta, optimal K değerini temsil eder.
Silüet Skoru (Silhouette Score): Bir noktanın kendi kümesine ne kadar benzer, komşu kümelere ne kadar uzak olduğunu -1 ile +1 arasında bir değerle ölçer. +1’e yakın değerler kusursuz kümelemeyi gösterir.
Model Esnekliği ve Regülarizasyon Teknikleri
Yüksek kapasiteli modeller (karmaşık sinir ağları veya derin karar ağaçları), eğitim verisindeki gürültüyü öğrenme eğilimindedir. Bu durum Overfitting (Aşırı Uyum) olarak adlandırılır. Modeli dizginlemek ve genelleme yeteneğini artırmak için regülarizasyon uygulanır.
Açık (Explicit) Regülarizasyon
Bu yöntemde, modelin kayıp fonksiyonuna (loss function) bir ceza terimi eklenir:
L1 (Lasso): Ağırlıkların mutlak değerini ekler. Bazı ağırlıkları tam olarak sıfıra çekerek özellik seçimi (feature selection) yapar.
L2 (Ridge): Ağırlıkların karelerini ekler. Ağırlıkları küçültür ancak sıfırlamaz, bu da katsayıların daha dengeli yayılmasını sağlar.
Örtük (Implicit) Regülarizasyon
Doğrudan matematiksel fonksiyona müdahale etmek yerine, eğitim sürecinin doğasını değiştirir:
Dropout: Eğitim sırasında nöronların belirli bir yüzdesini rastgele devre dışı bırakarak ağın belirli bir yola bağımlı kalmasını engeller.
Early Stopping: Validasyon hatası artmaya başladığı anda eğitimi durdurur.
Data Augmentation: Mevcut veriyi döndürme, ölçeklendirme veya gürültü ekleme yoluyla çoğaltarak modelin daha fazla varyasyon görmesini sağlar.
Teknik Notlar ve Uygulama Stratejileri
Öznitelik Ölçeklendirme: K-Means mesafe tabanlı bir algoritma olduğu için, maaş (binler) ve yaş (onlar) gibi farklı skaladaki veriler mutlaka StandardScaler veya MinMaxScaler ile normalize edilmelidir. Aksi takdirde büyük değerli özellikler kümeyi domine eder.
Boyut İndirgeme: Eğer 100’den fazla öznitelik varsa, kümeleme öncesinde PCA (Principal Component Analysis) uygulanarak hem gürültü azaltılmalı hem de hesaplama maliyeti düşürülmelidir.
Algoritma Seçimi: Veri kümesi dairesel değil de uzatılmış (elongated) formdaysa, K-Means yerine Gaussian Mixture Models (GMM) veya yoğunluk tabanlı DBSCAN tercih edilmelidir.
Makine öğrenmesi modelleri, sadece veri yüklemek ve çıktı almak değildir; bu süreç her bir parametrenin (ağırlıklar, bias, K sayısı) verinin geometrisiyle olan savaşıdır. Doğru regülarizasyon ve model seçimi, bu savaşı kazanan bir yapay zeka mimarisinin anahtarıdır.
