Denetimli Makine Öğrenimi Nedir?

Denetimli makine öğrenimi; makine öğrenimi tekniği alanında yaygın olarak kullanılan, çalışmaların temel kaynağı olarak ifade edilebilen girdi veri kümelerinden istenilen özelliklerde çıktı kümelerinin elde edilebilinmesi için spesifik oluşturulan fonksiyon öğretilmesi olarak tanımlanabilir.

Denetimli Makine Öğrenimi Neden Kullanılır?

Bu öğrenim yöntemindeki algoritmalar (fonksiyon temelli oluşturulur), etiketlenmiş eğitim verileriyle oluşturulur ve genel olarak gelecekte yaşanabilecek olayların tahminlenmesinde kullanılmaktadır. Bu öğrenimin temel işleyiş sürecinde daha önceden etiketlenmiş veriler kullanılmaktadır. Bu kullanım sonucunda ise geçmiş zamanlarda öğrenilen veriler referans alınarak gelecek olayların tahminlenmesi yapılmaktadır. Ayrıca, genel bir taslak olarak; ilk olarak etiketlenmiş veri kümeleri üzerinde analizlemeler yapılır, bu analizlemelere dayalı spesifik bir öğrenim eğitim algoritması oluşturulur ve daha sonra tahminleme eyleminin gerçekleştirilmesi için spesifik fonksiyonlar geliştirilmektedir. Geliştirilen algoritmalar yeterli eğitim sonucunda herhangi bir yeni veriyi hedefleyebilecek kabiliyete sahip olmaktadır. Sonuçların daha başarılı olabilmesi için kendi içlerinde karşılaştırmalar yaparak hata ayıklamaları yapabilmektedirler. Bu bilgilerden hareketle kullanılan algoritmaların girdilerinin ve çıktılarının belirtildikleri söylenebilir.

Denetimli Makine Öğrenimi Nasıl Çalışır?

Denetimli makine öğreniminde çalışma yapacak kişiler (genellikle veri bilimcisi) kullanılan algoritmaları hem etiketli girdiler hem de  istenilen özelliklerdeki çıktılarla eğitmesi gerekmektedir. Genel olarak bu iki sürecin gerçekleştirilmesi sonucunda oluşturulan algoritmalar;

• Regresyon Modelleme: Sürekli olarak meydana gelebilecek değerleri tahminlemek.
• Birleştirme: Tahminleme sonuçlarının daha başarılı olabilmesi için, farklı makine öğrenim modellerinin tahmin sonuçlarını birleştirerek analizlemeler gerçekleştirmek.
• İkili Sınıflandırma: Kullanılan verileri iki farklı kategori altında toplamak.
• Çoklu Sınıflandırma: Minimum 2'den fazla meydana gelen sonuçlar arasından seçim yapmak.

gibi işlemlerde oldukça başarılı bir şekilde kullanılmaktadır.