Definition of Problem

Kategori: Data Mining , 06 Kasım 2019 , JanFranco


Veri bilimi, karmaşık problemleri çözmek için hem yapılandırılmış hem de yapılandırılmamış veriyi (data), işe yarar, anlamlı, değerli bilgiye dönüştürmeye yarar.

Bir veri madenciliği veya makine öğrenme projesine başladığımız zaman aşağıdaki 4 adımı uygulamalıyız:

1- Problem Tanımı
2- Veri Hazırlama
3- Algoritma Seçimi
4- Sonuçları İyileştirme

Problem, Problem Tanımı
-----------------------

Projeye başlamadan önce aşağıdaki soruları yanıtlamalıyız:

* Problem nedir?

Problemin tam olarak ne olduğu yani tanımı, hangi parametreleri kullanılması gerektiği, hangi veriler ile çalışılması gerektiği, sonuçların nasıl test edileceği mutlaka en başta belirlenmelidir.

* Problemi çözdüğümüz durumda getirileri nelerdir?

Bir problemi çözdüğümüzde, temel amaç çözümün getirisinin harcadığımız efordan daha büyük olmasıdır. Çok ciddi getilerileri olmayan, karmaış ve çözülmesi zor olan problemlerden uzak durulmalıdır.

* Bu problemi nasıl çözebiliriz?

Problemi çözmek için aşağıdaki soruları yanıtlamalıyız:

* Gerekli veriler neler?
* Bu veriler nasıl toplanmalı?
* Veriler nerede saklanmalı?
* Verilerin değişim hızı nedir?


Sonraki Yazı: Preparing Data
Yorumlar

Henüz bir yorum bulunmuyor.
Yorum bırakın