Ek A — Hangi algoritma ne zaman? · Yöntem ile Makine Öğrenmesi

Kitaplar / Yöntem ile Makine Öğrenmesi / Ek A — Hangi algoritma ne zaman?

Ek A — Hangi algoritma ne zaman?

Karşılaştırma tablosu

#	Algoritma	Tür	En iyi olduğu durum	Dikkat edilecek nokta
1	Doğrusal regresyon	Denetimli, sayı tahmini	İlişki kabaca düz bir çizgiyse; ilk deneme modeli	Aykırı değerlere duyarlı
2	Lojistik regresyon	Denetimli, sınıflandırma	İki sınıf, olasılık gerekli, yorumlanabilirlik önemli	Yalnızca düz sınır çizer
3	K-en yakın komşu	Denetimli	Küçük veri, karmaşık sınırlar	Ölçeklendirme şart; büyük veride yavaş
4	Naif Bayes	Denetimli, sınıflandırma	Metin, spam, çok hızlı bir temel model	Öznitelikleri bağımsız varsayar
5	Karar ağacı	Denetimli	Kuralların okunabilir olması gerektiğinde	Derin ağaç ezberler
6	Rastgele orman	Denetimli	Tablo verisinde güvenli varsayılan	Tek ağaçtan daha zor yorumlanır
7	Gradyan artırma	Denetimli	Tablo verisinde en yüksek doğruluk	Öğrenme oranı ve tur sayısı ayar ister
8	Destek vektör makinesi	Denetimli	Orta boy veri, net bir sınır payı	Ölçeklendirme şart; büyük veride yavaş
9	K-ortalamalar	Denetimsiz, kümeleme	Yuvarlak, benzer boyutlu gruplar	k’yi siz seçersiniz; başlangıca duyarlı
10	Hiyerarşik kümeleme	Denetimsiz	Küme sayısı belirsiz, ilişki ağacı isteniyor	Binlerce noktada yavaş
11	DBSCAN	Denetimsiz	Tuhaf biçimli kümeler, aykırı bulma	ε seçimi kritik
12	PCA	Denetimsiz, boyut azaltma	Görselleştirme, öznitelik sıkıştırma	Yalnızca doğrusal yapıyı yakalar
13	Gauss karışımı	Denetimsiz	Yumuşak (olasılıklı) küme üyeliği	Yerel en iyiye takılabilir
14	AdaBoost	Denetimli	Zayıf kurallardan güçlü sınıflandırıcı	Gürültülü etiketlere duyarlı
15	XGBoost	Denetimli	Yarışmalar, büyük tablo verisi	Birçok ayar parametresi
16	Sinir ağı (MLP)	Denetimli	Çok veri, karmaşık ilişkiler	Veri aç, aşırı uyuma yatkın
17	CNN	Derin	Resim, ses, sinyal	Bol veri ve hesap gücü
18	RNN	Derin	Kısa diziler, zaman serileri	Uzun dizilerde unutur
19	Otokodlayıcı	Derin, denetimsiz	Sıkıştırma, anomali tespiti, gürültü temizleme	Boğaz boyutu ayar ister
20	Transformer / dikkat	Derin	Dil, uzun diziler, çok modlu veri	Çok veri ve hesap gücü

Kabaca bir yol haritası da şöyledir:

Etiketiniz var ve sayı tahmin ediyorsanız: doğrusal regresyonla başlayabilir, yetmezse gradyan artırmaya geçebilirsiniz.
Etiketiniz var ve sınıf tahmin ediyorsanız: lojistik regresyon veya naif Bayes ile bir temel çizgi kurabilir, sonra rastgele orman veya gradyan artırmayı deneyebilirsiniz.
Etiketiniz yoksa: veriyi PCA ile iki boyuta indirip inceleyebilir, ardından k-ortalamalar veya DBSCAN deneyebilirsiniz.
Veri resim, ses veya metinse: derin öğrenme (CNN, RNN, Transformer) uygun olacaktır.

Sık yapılan hatalar

Modeli eğittiği veride değerlendirmek. Eğitim doğruluğu iyimserdir (bkz. 16. bölümdeki [0.9, 0] noktası). Veriyi en başta eğitim ve test diye ayırmanız, test kümesine de yalnızca en sonda bakmanız gerekir.
Ölçeklendirmeyi unutmak. KNN, SVM, k-ortalamalar ve PCA mesafeyle çalışır. Biri santimetre, öteki lira cinsinden iki öznitelikte büyük sayılı olan her şeye hükmeder. Ağaç tabanlı yöntemler ölçekten etkilenmez.
Temel çizgi kurmamak. “%90 doğruluk” kulağa iyi gelir. Ama örneklerin %90’ı tek bir sınıftansa her şeye o sınıf diyen bir model de %90 alır. Bu yüzden önce en basit modeli çalıştırmak gerekir.
Rastgeleliği sabitlememek. Programlardaki Tohum(…) satırları her çalıştırmada aynı sonucu verir. Tohum olmadan iki deneyi karşılaştırdığınızda farkın değişiklikten mi yoksa şanstan mı geldiğini bilemezsiniz.
Tek bir sonuca güvenmek. Rastgele orman, k-ortalamalar ve sinir ağları başlangıca göre farklı sonuç verebilir. Birkaç farklı tohumla denemeniz iyi olur.
Gelecekten bilgi sızdırmak. Tahmin anında elinizde olmayacak bir sütunu (örneğin “kredi geri ödendi mi” tahmininde “son ödeme tarihi”) girdi yapmak, gerçekte çalışmayan harika bir model üretir.
Kaybı izlememek. Eğitim kaybı düşmüyorsa öğrenme oranı çok küçük veya çok büyüktür. Eğitim kaybı düşerken test kaybı artıyorsa model ezberliyordur.
Yanlış kayıp ve aktivasyon eşleşmesi. ÇaprazEntropi softmaksı kendisi uygular, bu yüzden ona ham çıktılar (logit) verilmelidir. Araya bir Softmaks daha koymak eğitimi sessizce bozar: program çalışır ama kayıp yüksek kalır. İkiliÇaprazEntropi ise sigmoid sonrası olasılık bekler.
Yöntem’e özgü: harf büyüklüğü çakışması. Yöntem x ile X’i ve s ile ş’yi ayırt etmez. Matematikteki gibi veri matrisine X, tek noktaya x derseniz “zaten tanımlı” hatası alırsınız. Bu kitaptaki programlar px, nokta, v gibi adlar kullanır.

Sonraki adımlar

Alıştırmaları yapabilirsiniz. Her bölümün sonundaki alıştırma, o algoritmanın en önemli ayarını elle değiştirmenizi ister. Bir algoritmayı anlamanın en hızlı yolu onu bozmaktır.
Kendi verinizle çalışabilirsiniz. oku ile bir CSV dosyasını okuyup 1–8 arasındaki algoritmalardan birini kendi probleminize uygulayabilirsiniz: harcamalarınız, spor kayıtlarınız, bir sensörün ölçümleri.
Hazır fonksiyonları deneyebilirsiniz. MakineOgrenmesi birimi, burada elle yazdığımız algoritmaların bir kısmının hazır sürümlerini sunar. Kendi yazdığınızla aynı sonucu verip vermediklerini karşılaştırabilirsiniz.
Modelinizi bir cihaza taşıyabilirsiniz. YZ ile eğittiğiniz Yoğun katmanlı bir ağı ModeliDışaAktar ile bir Yöntem birimine çevirip ESP32 üzerinde çalıştırabilirsiniz (Yöntem kitabı, gömülü sistemler bölümü).
Büyük kütüphanelere geçebilirsiniz. Gerçek projelerde scikit-learn (1–15) ve PyTorch (16–20) kullanılır. Bu kitaptaki kavramlar oraya birebir taşınır. Yoğun katmanın PyTorch’taki karşılığı nn.Linear, Ardışık modelinki nn.Sequential, kayıp.GeriYay çağrısınınki loss.backward() olur.
Okuma önerileri. Matematik tarafı için Gareth James ve arkadaşlarının An Introduction to Statistical Learning kitabı ücretsiz ve yeni başlayanlara uygundur. Derin öğrenme için Michael Nielsen’in çevrim içi kitabı Neural Networks and Deep Learning, sinir ağlarını bu kitaptaki gibi sıfırdan kurar.