Makine Öğrenimi Algoritmaları: Karşılaştırmalı Rehber

Makine öğrenimi algoritmaları, bilgisayarların açıkça programlanmaya ihtiyaç duymadan verilerden öğrenmesini, gizli desenleri keşfetmesini ve geleceğe yönelik isabetli tahminler yapmasını sağlayan matematiksel ve istatistiksel yöntemler bütünüdür. Yapay zeka ile veri biliminin temelini oluşturan bu algoritmalar; günümüzde otonom araçlardan sağlık teşhislerine, finansal dolandırıcılık tespitinden arama motoru önerilerine kadar hayatımızın her alanında kritik bir rol oynamaktadır.

Makine Öğrenimi Nedir ve Nasıl Çalışır?

Geleneksel yazılımlarda bir bilgisayara ne yapması gerektiğini adım adım kodlarız. Girdi verilerini ve kuralları sisteme tanımlarız, bilgisayar da bize aranan sonucu üretir. Makine öğreniminde ise bu süreç tersine işler: Bilgisayara girdiler ile beklenen sonuçlar sunulur; sistem veriler arasındaki ilişkileri inceleyerek kendi kural setini ve matematiksel modelini geliştirir.

Makine öğrenimi sürecinin temel amacı, geçmiş verilerden mantıklı genellemeler çıkarabilmektir. Böylece bilgisayar, daha önce karşılaşmadığı yeni bir veriyle temas ettiğinde bu genellemelerden yararlanarak doğru bir tahminde bulunabilir. Tüm bu öğrenme süreci; veri toplama, veriyi temizleme ve hazırlama, model seçimi, modeli eğitme, değerlendirme ve parametre optimizasyonu adımlarıyla tamamlanır.

Makine Öğrenimi Algoritma Türleri

Makine öğrenimi algoritmaları, eğitim sürecinde kullanılan verinin yapısına ve öğrenme metodolojisine göre dörde ayrılır. Her kategorinin kendine özgü kullanım senaryoları ve çözüm ürettiği problem tipleri bulunmaktadır.

1. Denetimli Öğrenme (Supervised Learning)

Denetimli öğrenmede algoritma, hem girdilerin (özellikler) hem de bu girdilere karşılık gelen doğru çıktıların (etiketler) yer aldığı bir veri kümesiyle eğitilir. Öğretmen nezaretinde ders çalışan bir öğrenci misali, algoritma yaptığı tahminleri gerçek yanıtlarla karşılaştırır ve hata payını en aza indirene kadar kendini günceller.

Denetimli öğrenme başlıca iki problem türünde kullanılır:

• Sınıflandırma (Classification): Verileri belirgin kategorilere ayırır. Örneğin bir e-postanın ‘spam’ veya ‘spam değil’ olarak ayrıştırılması ya da bir tıbbi görüntünün ‘hasta’ veya ‘sağlıklı’ şeklinde etiketlenmesi bu kapsama girer.
• Regresyon (Regression): Sürekli bir sayısal değeri tahmin etmeye odaklanır. Örneğin bir evin metrekaresi ile konumuna bakarak piyasa değerini hesaplamak veya önümüzdeki ayın hava sıcaklığını derecelendirmek regresyon konusudur.

2. Denetimsiz Öğrenme (Unsupervised Learning)

Denetimsiz öğrenmede veri kümesinde herhangi bir hedef etiket ya da hazır yanıt yer almaz. Algoritmanın ana görevi, verinin kendi içindeki gizli yapıları, benzerlikleri ve doğal gruplandırmaları keşfetmektir. Bu yaklaşım, keşifsel veri analizinde veri bilimcilerin en güçlü kozlarından biridir.

Temel kullanım alanları kümeleme (benzer verileri gruplama) ve boyut indirgemedir (karmaşık verileri sadeleştirme). Müşteri segmentasyonu yapmak ve veri içindeki sıradışı durumları (anomali) saptamak denetimsiz öğrenmenin başlıca örneklerindendir. Konunun pratik detayları, Makine Öğrenimi Veri Setleri: Kaynaklar ve Kullanım Alanları rehberimizde de ele alınmaktadır.

3. Yarı Denetimli Öğrenme (Semi-Supervised Learning)

Gerçek hayatta devasa miktardaki veriyi elle etiketlemek son derece zaman alıcı ve maliyetlidir. Yarı denetimli öğrenme, az miktardaki etiketli veri ile çok miktardaki etiketsiz veriyi harmanlar. Küçük etiketli küme temel öğrenmeyi sağlarken, büyük etiketsiz küme modelin genelleme yeteneğini belirgin biçimde artırır.

4. Takviyeli Öğrenme (Reinforcement Learning)

Takviyeli öğrenme, bir etmenin (agent) belirli bir ortamda (environment) deneme-yanılma yoluyla en ideal kararları almayı öğrenmesidir. Etmen gerçekleştirdiği her başarılı hamlede bir ‘ödül’, hatalı adımda ise ‘ceza’ veya düşük puan elde eder. Amacı, toplam ödülü en üst düzeye çıkaracak stratejiyi geliştirmektir. Satranç oynayan yazılımlar ve otonom sürüş sistemleri genellikle bu yöntemle eğitilir.

En Popüler Denetimli Öğrenme Algoritmaları

Veri bilimi projelerinde en sık karşılaşılan problemler genellikle denetimli öğrenme yöntemleriyle çözülür. Sektörde ve akademide öne çıkan başlıca algoritmalar şunlardır (Kavramsal çerçeveyi oturtmak isteyenler Yapay Zeka ile Makine Öğrenimi Arasındaki Fark konusuna da göz atabilir):

Lineer Regresyon (Linear Regression)

Lineer regresyon, bir ya da birden fazla bağımsız değişken ile bağımlı bir sayısal değişken arasındaki doğrusal ilişkiyi modellemek için kullanılır. Veri noktalarının ortasından geçen en uygun doğruyu (veya hiper-düzlemi) çizmeyi hedefler. Temelde y = ax + b matematiksel formülüne dayanır.

Lojistik Regresyon (Logistic Regression)

Adında ‘regresyon’ kelimesi geçse de lojistik regresyon aslında temel bir sınıflandırma algoritmasıdır. Çıktının belirli bir sınıfa ait olma olasılığını 0 ile 1 arasında hesaplar. Sigmoid fonksiyonunu kullanarak elde ettiği sonuçları olasılık değerine dönüştürür. Kredi başvurusu onaylama veya hastalık teşhisi gibi ikili (evet/hayır) kararlarda sıklıkla tercih edilir.

Karar Ağaçları (Decision Trees)

Karar ağaçları, veriyi belirli sorular sorarak mantıksal dallara ayıran hiyerarşik yapılardır. Akış şemasına benzeyen yapısı sayesinde modelin kararlarını anlamak ve görselleştirmek son derece kolaydır. Kök düğümden başlanarak özelliklere göre ‘Evet/Hayır’ soruları sorulur ve yaprak düğümlerde nihai karara varılır.

Rastgele Orman (Random Forest)

Tek bir karar ağacı aşırı öğrenmeye (overfitting) yatkındır. Rastgele orman algoritması, birden fazla karar ağacını bir araya getirerek bir topluluk (ensemble) oluşturur. Her ağaç verinin farklı bir alt kümesiyle eğitilir; nihai tahmin ise ağaçların oy birliği veya ortalaması alınarak belirlenir. Bu sayede modelin doğruluk oranı ve dayanıklılığı artar.

Destek Vektör Makineleri (Support Vector Machines – SVM)

SVM, iki farklı sınıfı birbirinden en net şekilde ayıran hiper-düzlemi (karar sınırını) bulmayı amaçlar. İki sınıfın sınır noktalarına (destek vektörleri) olan uzaklığını maksimuma çıkarmaya çalışır. Hem doğrusal hem de karmaşık doğrusal olmayan verilerde ‘çekirdek hilesi’ (kernel trick) kullanarak yüksek başarı gösterir.

K-En Yakın Komşu (K-Nearest Neighbors – KNN)

KNN, yapısı gereği en basit ve sezgisel algoritmaların başında gelir. Yeni bir veri noktası eklendiğinde, bu noktanın mevcut veri kümesindeki en yakın ‘K’ adet komşusuna bakılır. Yeni nokta, komşularının çoğunluğunun ait olduğu sınıfa atanır. Mesafeleri ölçmek için genellikle Öklid veya Manhattan mesafe formülleri kullanılır.

Denetimsiz Öğrenme ve Boyut İndirgeme Algoritmaları

Etiketsiz veriler içerisinde gizli desenleri bulmak, veri madenciliği ve iş zekası süreçlerinin vazgeçilmez bir parçasıdır.

K-Ortalamalar (K-Means Clustering)

K-Ortalamalar, verileri önceden belirlenmiş ‘K’ sayıda kümeye ayıran popüler bir kümeleme algoritmasıdır. Algoritma rastgele K adet merkez noktası (centroid) seçer, her veriyi en yakın merkeze atar ve ardından merkezleri yeniden hesaplar. Bu süreç merkezler sabitlenene kadar tekrarlanır. Benzer bir mantık Büyük Veri (Big Data) ve Makine Öğrenimi İlişkisi Nasıl Kurulur? konu anlatımında da karşımıza çıkıyor.

Temel Bileşenler Analizi (PCA)

Çok sayıda özelliğe (boyuta) sahip veri kümelerini analiz etmek hem işlem gücü açısından maliyetlidir hem de veriyi görselleştirmeyi zorlaştırır. PCA, verideki bilgi kaybını en aza indirerek değişken sayısını azaltan etkili bir boyut indirgeme tekniğidir. Karmaşık veri setlerini basitleştirmek için sıklıkla başvurulur.

Makine Öğrenimi Algoritmaları Karşılaştırma Rehberi

Doğru algoritmayı seçerken verinizin büyüklüğü, veri türü, eğitim süresi ve modelin açıklanabilirliği gibi faktörleri göz önünde bulundurmanız gerekir. Aşağıdaki karşılaştırma tablosu, yaygın algoritmaların temel özelliklerini özetlemektedir:

Doğru Algoritmayı Seçerken Dikkat Edilmesi Gerekenler

Makine öğrenimi projelerinde her duruma uyan tek bir ‘en iyi’ algoritma bulunmaz. ‘Bedava Öğle Yemeği Yok’ (No Free Lunch) teoremi de tüm problemlerde aynı derecede üstün çalışan evrensel bir algoritmanın olmadığını doğrular. Doğru tercihi yapabilmek adına şu kriterleri titizlikle değerlendirmelisiniz:

• Veri Miktarı ve Yapısı: Veri hacminiz kısıtlıysa basit modeller (Lojistik Regresyon, Naive Bayes) daha iyi performans gösterebilir. Büyük verilerde ise derin öğrenme veya topluluk yöntemleri öne çıkar.
• Açıklanabilirlik Gereksinimi: Sağlık ve finans gibi kritik alanlarda alınan kararların gerekçesi açıklanabilmelidir. Karar ağaçları son derece şeffaf bir yapı sunarken, derin yapay sinir ağları ‘kara kutu’ gibi çalışır.
• Eğitim Süresi ve Kaynaklar: Gerçek zamanlı sistemlerde tahmin hızı yüksek ve hafif modeller tercih edilmelidir.

Öğrendiklerinizi Pekiştirin ve Uygulayin

Makine öğrenimi algoritmalarında uzmanlaşmanın en etkili yolu, onları gerçek veri kümeleri üzerinde kodlayarak bizzat deneyimlemektir. Python ekosisteminde yer alan Scikit-Learn kütüphanesi, bu algoritmaların tamamını birkaç satır kodla çalıştırmanıza imkan tanır. Edindiğiniz teorik bilgileri pratiğe dökerek veri dünyasındaki yolculuğunuzu bir adım öteye taşıyabilirsiniz.