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.
Modern Makine Öğrenmesinde Hassas Dengeler ve Stratejik Yaklaşımlar
Yapay zeka ekosistemi, veriden anlam çıkarma ve bu anlamı eyleme dönüştürme süreçlerinde iki devasa sütun üzerine yükselir: Geometrik sınırlar çizen denetimli öğrenme algoritmaları ve deneyim odaklı karar verme mekanizmaları olan pekiştirmeli öğrenme modelleri. Günümüzün karmaşık veri setlerinde sadece doğru tahmin yapmak yetmez; gürültüye karşı direnç göstermek ve dinamik ortamlarda en iyi stratejiyi geliştirmek hayati önem taşır.
Şekil 1: Modern Makine Öğrenmesinde Hassas Dengeler ve Stratejik Yaklaşımlar.
Destek Vektör Makineleri ve Maksimum Marj Optimizasyonu
Destek Vektör Makineleri (Support Vector Machine - SVM), temelde bir sınıflandırma problemini yüksek boyutlu bir uzayda optimal hiper düzlemi bulma problemine indirger. Ancak SVM’i sıradan bir lojistik regresyondan ayıran temel fark, “maksimum marj” (maximum margin) ilkesidir.
Hiper Düzlem ve Geometrik Dayanıklılık
Bir veri setini iki sınıfa ayıran sonsuz sayıda doğru (veya hiper düzlem) çizilebilir. Ancak bu doğruların çoğu, gürültülü bir veri noktasıyla karşılaştığında yanlış sınıflandırma yapmaya meyillidir. SVM, sınıflar arasındaki boşluğu (tampon bölgeyi) en geniş tutan hiper düzlemi seçer. Bu genişlik matematiksel olarak $2/\|w\|$ formülü ile ifade edilir. Burada $\|w\|$, düzlemin normal vektörünün normudur. Marjı maksimize etmek, $\|w\|^2/2$ değerini minimize etmeye eşdeğerdir ve bu bir kuadratik programlama problemidir.
Hard Margin ve Soft Margin Ayrımı
Eğer veri setimiz kusursuz bir şekilde doğrusal olarak ayrılabiliyorsa, Hard Margin SVM kullanılır. Burada hiçbir hata toleransı yoktur:
$$y_i(w \cdot x_i + b) \geq 1$$
Ancak gerçek dünya verileri gürültülüdür ve bazen sınıflar iç içe geçer. Bu durumda devreye Soft Margin girer. $\xi$ (slack variables) dediğimiz gevşeklik değişkenleri eklenerek, belirli bir ceza ($C$ parametresi) karşılığında bazı noktaların marjı ihlal etmesine izin verilir. $C$ parametresi, marj genişliği ile eğitim hatası arasındaki dengeyi kuran kritik bir hiperparametredir.
Kernel Trick: Düşük Boyuttan Yüksek Boyuta Sıçrayış
Veri doğrusal olarak ayrılamadığında (örneğin dairesel bir dağılım), veriyi daha yüksek bir boyuta taşımak gerekir. Ancak yüksek boyutta koordinat hesaplamak maliyetlidir. Kernel Trick, veriyi gerçekten taşımadan, düşük boyuttaki noktaların iç çarpımlarını kullanarak yüksek boyuttaki etkileşimi hesaplamamızı sağlar.
import numpy as np
from sklearn import svm
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
# Veri Hazırlığı ve Ölçeklendirme# SVM ölçek farkına karşı çok hassastır, bu yüzden StandartScaler şarttır.scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
# Modelin Kurulması (RBF Kernel ve C Parametresi ile)clf = svm.SVC(kernel='rbf', C=1.0, gamma='scale')
clf.fit(X_train, y_train)
# Destek Vektörlerine Erişimsupport_vectors = clf.support_vectors_
print(f"Destek Vektör Sayısı: {len(support_vectors)}")
Pekiştirmeli Öğrenme ve Karar Verme Mekanizmaları
Pekiştirmeli Öğrenme (Reinforcement Learning - RL), bir ajanın (agent) bir çevre (environment) içerisinde ödülleri maksimize etmek için eylemler gerçekleştirdiği bir öğrenme paradigmasıdır. Denetimli öğrenmenin aksine, burada ajana ne yapması gerektiği söylenmez; ajan hangi eylemin daha çok ödül getirdiğini deneyerek keşfeder.
Ajan ve Çevre Etkileşimi
Süreç, ajanın mevcut durumu ($S_t$) gözlemlemesiyle başlar. Ajan bir aksiyon ($A_t$) seçer ve çevre buna karşılık bir sonraki durumu ($S_{t+1}$) ve bir ödül ($R_{t+1}$) döndürür. Bu döngü, ajanın kümülatif ödülü maksimize eden bir politika (policy - $\pi$) geliştirmesine kadar sürer.
Bölümlü ve Sürekli Görevler
Bölümlü Görevler (Episodic): Bir başlangıç ve bitiş noktası vardır (Örn: Bir satranç maçı). Toplam getiri, adımların toplamıdır.
Sürekli Görevler (Continuing): Doğal bir sonu yoktur (Örn: Bir fabrikanın enerji yönetimi). Burada sonsuz toplamın yakınsaması için iskonto faktörü ($\gamma$) kullanılır:
$\gamma = 0$ ise ajan miyoptur (sadece anlık ödüle bakar), $\gamma \to 1$ ise ajan stratejik ve uzun vadeli düşünür.
Markov Karar Süreçleri: RL’in Matematiksel İskeleti
RL problemlerinin çoğu Markov Karar Süreçleri (MDP) çerçevesinde modellenir. Bir sürecin “Markov” özelliğine sahip olması, geleceğin sadece şimdiki ana bağlı olması, geçmişin ise önemsiz olması demektir.
MDP Bileşenleri
Durum Kümesi ($S$): Ajanın bulunabileceği tüm pozisyonlar.
Eylem Kümesi ($A$): Yapılabilecek hamleler.
Geçiş Olasılığı ($P$): $P(s' | s, a)$ formülü ile ifade edilir; $s$ durumunda $a$ aksiyonu yapıldığında $s'$ durumuna geçme ihtimalidir.
Ödül Fonksiyonu ($R$): Yapılan eylemin kalitesini belirleyen sayısal değer.
Değer Fonksiyonları ve Bellman Denklemleri
Bir durumun ne kadar “iyi” olduğunu anlamak için Durum Değer Fonksiyonu ($V(s)$) ve bir durumda belirli bir aksiyonu almanın ne kadar iyi olduğunu anlamak için Aksiyon Değer Fonksiyonu ($Q(s, a)$) kullanılır. Optimal değer fonksiyonları, Bellman denklemleri aracılığıyla özyinelemeli (recursive) olarak çözülür.
Keşif ve Sömürü Dengesi (Exploration vs. Exploitation)
RL’in en büyük paradoksu budur. Ajan, bildiği en iyi yolu mu izlemeli (exploitation), yoksa daha iyi bir yol olup olmadığını görmek için yeni yollar mı denemeli (exploration)?
En yaygın çözüm $\epsilon$-greedy yaklaşımıdır:
Küçük bir olasılıkla ($\epsilon$) rastgele bir aksiyon seçilir (Keşif).
Geri kalan büyük olasılıkla ($1-\epsilon$) mevcut en iyi aksiyon seçilir (Sömürü).
SVM ve RL Arasındaki Temel Farklar ve Kullanım Alanları
Her iki teknoloji de yapay zekanın parçası olsa da, uygulama sahaları ve mantıkları taban tabana zıttır:
Özellik
Destek Vektör Makineleri (SVM)
Pekiştirmeli Öğrenme (RL)
Öğrenme Türü
Denetimli (Supervised)
Etkileşimli (Interactive)
Veri Gereksinimi
Etiketlenmiş veri setleri
Çevre ile canlı etkileşim
Temel Amaç
Veriyi hiper düzlemle ayırmak
Kümülatif ödülü maksimize etmek
Karar Yapısı
Statik (Tek seferlik tahmin)
Dinamik (Sıralı kararlar)
Hassasiyet
Özellik ölçeklendirmeye çok duyarlı
Keşif/Sömürü dengesine duyarlı
Son Notlar ve Teknik Öneriler
Veri biliminde başarı, doğru algoritmayı seçmekten ziyade, algoritmanın içsel mekanizmalarına hakim olmaktan geçer. SVM kullanırken verinin normalize edilmesi ve doğru kernel seçimi modelin gürültü direncini belirler. RL tarafında ise ödül fonksiyonunun tasarımı (reward shaping), ajanın “hile” yapıp yapmayacağını veya gerçekten hedefi öğrenip öğrenmeyeceğini tayin eder.
Özellikle yüksek boyutlu ve gürültülü verilerde SVM’in Dual Form üzerinden çözülmesi, kernel trick avantajını kullanarak hesaplama maliyetini düşürür. RL projelerinde ise karmaşık durum uzaylarını yönetmek için derin öğrenme ile RL’in birleşimi olan Deep Q-Networks (DQN) gibi modern mimarilerin tercih edilmesi, ajanın genelleme yeteneğini artıracaktır.
