Adım Adım Makine Öğrenmesi: 7 Adımda Machine Learning!

Yapay zekanın bir alt branşı kabul edilen makine öğrenmesi temelde 7 adımda uygulanmaktadır. Bu yazıda bu adımlara kısaca değiniyor olacağım…

1. Adım: Veri Toplama

Seçeceğimiz makine öğrenmesine bağlı olarak kullanacağımız veriyi bu adımda topluyoruz. Algoritmamız, elimizdeki verinin özelliklerini analiz ederek öğrenecek ve kendisine vereceğimiz bir sonraki veriyi tahmin etmeye başlayacak. Bu yüzden bu aşamada ne kadar fazla ve doğru veri topladığımız çok önemlidir. Bana göre veri toplama adımı makine öğrenmesinin en önemli adımıdır. Bu adımda yapacağımız en ufak hata, topladığımız hatalı veriler ilerleyen adımlarda false-positive sonuçlara neden olacağı için üzerinde durulmalıdır.

2. Adım: Verinin Hazırlanması

Veri toplandıktan sonra false-positive sonuçların ortaya çıkma ihtimalini minimuma indirmek için verinin işlenmeye hazırlanması gerekmektedir. Toparlanan veri, ham halden işlenebilir hale getirildikten sonra verinin %80’I öğrenme modeli için kullanılırken %20’I değerlendirme adımı (evulation purposes) için kullanılmalıdır. Bu bölümde verinin bu şekilde ayırılmasının nedeni, daha önce öğrenme algoritmasında kullanılan verinin değerlendirme amacıyla kullanılması durumunda adil olmayan ve gerçeği yansıtmayan sonuçlar yansıtabilme ihtimlinin yüksek olmasıdır.

3. Adım: Model Seçimi

Makine öğrenmesinin bu adımında projemize uygun olan doğru model seçimi yapılır. Veri bilimcileri ve yapay zeka uzmanları tarafından geliştirilen farklı algoritmalar buradaki model seçeneklerini oluşturmaktadır. Kimi model metin formatındaki verilerle iyi çalışıyorken kimi modelde görsellerle daha iyi çalışmaktadır. Supervised (Gözetimli) öğrenme modelinde sonuç bellidir, veriyi verdikten sonra alacağımız sonucu biliriz ve bu yüzden supervised öğrenme modeli, bizim doğru veriyi elde edene kadar algoritmamızı tekrar ve tekrar iyileştirebilmemize olanak tanır. Bu modelde verimizin girdileri ve çıktıları belli olduğu için algoritmamız girdileri ve çıktıları eşleştiren bir fonksiyon üretir ve bu temelde işlemlerini gerçekleştirir.

Supervised öğrenme modelinin yanında farklı algoritmalar kullanan unsupervised ve reinforcement öğrenme modeli de bulunmaktadır.

4. Adım: Eğitim

Makine öğrenmesinin kalbi diyebileceğimiz bu adımda seçtiğimiz öğrenme modelini eğitiriz. Bu adımda verilen verilerde belirlenen parametrelere göre kategorileştirme işlemi yapılır ve modelin öğrenmesi sağlanılır. Eğitim adımı sabır gerektiren bir aşamadır.

5. Adım: Hesaplama

Bir model belirlenip eğitildikten sonra gerçek dünya koşullarında vereceği tepkiyi belirlemek için test edilmesi gerekmektedir. Bunun için de daha önce kullanılmamış bir veri setinin tercih edilmesi gerekmektedir. Bu adımda, 2. adımda ayırdığımız %20’lik veriyi kullanmamız gerekmektedir. Bu adımdan çıkacak sonuca göre ya bir sonraki adıma geçilmelidir ya da önceki adımlar tekrardan ziyaret edilip gerekli iyileştirmeler yapılmalıdır.

6. Adım: Parametrelerin Ayarlanması

Bu adımda model parametrelerde ufak değişiklikler yapılarak yeniden eğitilir ve daha hassas tahminler yapabilmesi sağlanılır. Yüksek kaliteli bir yapay zeka için bu adım çok önemlidir.

7. Adım: Tahmin

Makine öğrenmesinin son bulduğu bu adımda model insan faktöründen arınarak kendi kendine tahminlerde bulunabilir hale gelmektedir. Bu aşamada modelin farklı yargılara karşı verdiği tepkiler ölçülmektedir ve herhangi bir hata oluşmazsa makine öğrenmesi modelimiz hazır hale gelmiştir.