Regression

Kategori: Data Mining , 06 Kasım 2019 , JanFranco


Makine öğrenmesi algoritmaları 3 kategoride incelenir:

* Denetimli Öğrenme  (Supervised)
* Denetimsiz Öğrenme (Unsupervised)
* Takviyeli/Pekiştirmeli Öğrenme (Reinforcement)

1- Denetimli Öğrenme

Denetimli öğrenme methodlarında, verisetindeki verileri ait etiketlenmiş çıktı değerleri mevcuttur ve test kümesi üzerinden bu veriler sınanır. Denetimli öğrenme yöntemleri ikiye ayrılır: Regresyon yöntemi ve sınıflandırma yöntemi

a) Regresyon Yöntemi

Regresyon, bağımlı bir değişkenin davranışının, bağımsız bir veya daha fazla değişken üzerinden modellenmesidir. Bağımsız değişkenlere, bağımlı değişkeni ne kadar etkilediklerine dair bir katsayı atanır. Regresyon yöntemleri ikiye ayrılı: Doğrusal  regresyon ve doğrusal olmayan regresyon

a.1) Doğrusal Regresyon

Bağımlı değişken = sabit + (parametre * bağımsız değişken) + (parametre * bağımsız değişken) + ... + (parametre * bağımsız değişken)

Y = B0 + B1*X1 + B2*X2 + ...

a.2) Doğrusal Olmayan Regresyon

Bağımsız değişkenler ile bağımlı değişken arasında doğrusal bir ilişki olmadığı durumlarda doğrusal olmayan regresyon yöntemi kullanılır. Doğrusal olmayan regresyon algoritmalarına örnek vermek gerekirse: Yapay sinir ağları (Neural networks), Çok değişkenli uyarlamalı regresyon (Multivariate adaptive regression splines), Karar destek makineleri (Support vector machines), K-En yakın komşular (K-Nearest neighbors) ve ağaç tabanlı modeller (Decision tree vs.)


Sonraki Yazı: Measuring Performance of Regression
Yorumlar

Henüz bir yorum bulunmuyor.
Yorum bırakın