Jump to content

Blogs

Makine Öğrenmesi

F1 Skoru

F1 skoru, bir sınıflandırma modelinin performansını değerlendirmek için kullanılan bir metrik olarak öne çıkar. Özellikle dengesiz sınıflandırma problemlerinde, yani sınıflar arasında örnek sayıları farklı olan durumlarda kullanışlıdır. F1 skoru, hassasiyet (precision) ve geri çağrı (recall) ölçümlerini birleştirir. F1 skoru şu şekilde hesaplanır: Hassasiyet (Precision): Hassasiyet, pozitif olarak tahmin edilen örneklerin gerçekten pozitif olma olasılığını ölçer. Aşağıdaki formülle hes
Doğuhan ELMA

Doğuhan ELMA in Nedir?

0
Görüntü İşleme

dLib Kütüphanesi

dlib, özellikle bilgisayar görüşü ve makine öğrenimi uygulamaları için kullanılan, açık kaynaklı bir C++ kütüphanesidir. Aşağıda dlib'in temel özellikleri hakkında daha fazla bilgi bulabilirsiniz: Görüntü İşleme: Yüz Tespiti: dlib, yüzleri algılamak ve izlemek için etkili bir yüz tespit sistemi içerir.   import dlib import cv2 # Dlib'in yüz detektörünü yükle detector = dlib.get_frontal_face_detector() # Görüntüyü yükle image = cv2.imread("Lenna.png") # Gri tonlamalıya dönüşt
Görüntü İşleme

Yerel İkili Model (LBP - Local Binary Pattern)

Yerel İkili Model (LBP), özellikle görüntü işleme ve desen tanıma alanında kullanılan bir özellik çıkarma yöntemidir. Local Binary Pattern, piksellerin etrafındaki komşuluk ilişkilerini kullanarak her bir piksel için bir özellik vektörü oluşturur. LBP, özellikle yüz tanıma, nesne tanıma, tekstür analizi ve benzeri uygulamalarda başarıyla kullanılan bir özellik çıkarma yöntemidir. İşte LBP'nin temel işleyişini anlatan birkaç ana nokta: Piksel İnceleme: LBP, bir görüntüdeki her piks
İstatistik

Korelasyon Matrisi

Korelasyon matrisi, genellikle istatistiksel analizlerde kullanılan bir matris türüdür. Korelasyon, iki değişken arasındaki ilişkiyi ölçen bir istatistiksel kavramdır. Korelasyon matrisi, bir veri setindeki her bir değişkenin diğer değişkenlerle olan ilişkisini gösteren bir matristir. Bu matris, korelasyon katsayılarını içerir. Korelasyon katsayıları, genellikle -1 ile 1 arasında bir değer alır. Bu değerler arasındaki anlam şu şekildedir: 1: Tam negatif korelasyon. İki değişken arasınd
Python

Pandas Series(Sütün) Analizi

Bir sütünün değerlerine yönelik analiz yöntemleri: 1-) Bir sütünda kullanılan benzersiz değerler kümesi: df.cylinders.unique() Çıktı: array([8, 4, 6, 3, 5])   2-) Benzersiz değerlerin ne kadar tekrarlandığının tablosu: df.cylinders.value_counts() Çıktı: 4 199 8 103 6 83 3 4 5 3 Name: cylinders, dtype: int64   3-) Grafige dokme: import pandas as pd import seaborn as sns import matplotlib.pyplot as plt plt.figure(figsize=(10,5)) sns.c
Doğuhan ELMA

Doğuhan ELMA in Pandas

0
Python

Pandas Veri Temizleme (Preprocessing)

1-) Dataframe hakkında genel bilgi: df.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 398 entries, 0 to 397 Data columns (total 9 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 mpg 398 non-null float64 1 cylinders 398 non-null int64 2 displacement 398 non-null float64 3 horsepower 392 non-null float64 4 weight 398 non-null int64 5 acceleration 398 non-null floa
Doğuhan ELMA

Doğuhan ELMA in Pandas

0
Yapay Sinir Ağları

YSA - Bir Grup Veri (A Batch of Data)

Eğitim için sinir ağları verileri gruplar halinde alma eğilimindedir. Şu ana kadar örnek girdi verileri, özellik kümesi adı verilen çeşitli özelliklerin yalnızca bir örneğinden (veya gözleminden) oluşuyordu: inputs = [1, 2, 3, 2.5] Burada [1, 2, 3, 2.5] verileri bir şekilde anlamlı ve arzu ettiğimiz çıktıyı açıklayıcıdır.  Her sayının farklı bir sensörden gelen bir değer olarak aynı anda olduğunu düşünün. Bu değerlerin her biri bir özellik gözlem verisidir ve birlikte gözlem veya en yaygın
Doğuhan ELMA

Doğuhan ELMA in Nedir?

0
Yapay Sinir Ağları

Tensör Nedir?

Tensör (Tensor): Bir tensör, çok boyutlu bir matematiksel nesnedir. İşlem görmüş verileri temsil etmek için kullanılır. Tek boyutlu bir tensör bir vektörü, iki boyutlu bir tensör bir matrisi, üç boyutlu bir tensör bir hacmi ve daha fazla boyutlu tensörler daha karmaşık veri yapılarını temsil edebilir. Yapay zeka ve derin öğrenme uygulamalarında, özellikle görüntü işleme ve doğal dil işleme gibi alanlarda çok boyutlu verileri temsil etmek için sıkça kullanılır. Dizi (Array):
Doğuhan ELMA

Doğuhan ELMA in Nedir?

0
Yapay Sinir Ağları

YSA - Bir Nöron Katmanı

Sinir ağları tipik olarak birden fazla nörondan oluşan katmanlara sahiptir. Katmanlar nöron gruplarından başka bir şey değildir. Bir katmandaki her nöron tam olarak aynı girdiyi alır; katmana verilen girdi (bu, eğitim verileri veya önceki katmanın çıktısı olabilir), ancak kendi ağırlık setini ve kendi önyargısını içerir ve kendi benzersiz yanıtını üretir. çıktı. Katmanın çıktısı, her nöron başına bir tane olmak üzere bu çıktıların her birinin bir kümesidir. Diyelim ki bir katmanda 3 nöron ve 4 g
Yapay Sinir Ağları

YSA - Tek Bir Nöronun Kodlanması

Diyelim ki tek bir nöronumuz var ve bu nöronun üç girişi var. Çoğu durumda olduğu gibi, sinir ağlarında parametreleri başlattığınızda, ağımızda ağırlıklar rastgele başlatılacak ve önyargılar başlangıç için sıfır olarak ayarlanacaktır. Bunu neden yaptığımız daha sonra ortaya çıkacak. Girdi ya gerçek eğitim verileri ya da sinir ağındaki önceki katmandaki nöronların çıktıları olacaktır. Şimdilik giriş olarak başlamak üzere değerleri oluşturacağız: inputs = [1, 2, 3] Her girdinin kendisiyle il
Yapay Sinir Ağları

YSA - Nöron Görevi Nedir?

Günümüzde TensorFlow, Keras veya PyTorch gibi açık kaynaklı makine öğrenimi yazılım kitaplıkları ile yalnızca birkaç satır kodla, yüksek yapısal karmaşıklığa sahip olsa bile bir sinir ağı oluşturabiliyoruz. Bununla birlikte, sinir ağlarının ardındaki matematik bazılarımız için hâlâ bir gizemdir ve sinir ağları ile derin öğrenmenin ardındaki matematik bilgisine sahip olmak, bir sinir ağı içinde neler olduğunu anlamamıza yardımcı olabilir. Ayrıca mimari seçiminde, derin öğrenme modellerinin ince a
Doğuhan ELMA

Doğuhan ELMA in Nedir?

0
Yapay Sinir Ağları

Yapay Sinir Ağı (YSA)

Yapay sinir ağı (YSA), bilgisayar biliminde ve yapay zeka alanında kullanılan bir modeldir. Biyolojik sinir sistemlerinden ilham alarak tasarlanmış bir matematiksel modeldir. Yapay sinir ağları, bilgiyi işlemek ve öğrenmek için kullanılır. İşte yapay sinir ağlarının temel bileşenleri ve işleyişi: Nöronlar (Yapay Sinirler): Yapay sinir ağı, yapay sinirlerden oluşur. Her yapay sinir, girdileri alır, bu girdileri işler ve bir çıktı üretir. Her yapay sinir, bir ağırlıkla çarpılan girdileri alır
Doğuhan ELMA

Doğuhan ELMA in Nedir?

0
İstatistik

Çoklu Doğrusal Regresyon (Multiple Linear Regression)

Çoklu doğrusal regresyon, bir bağımlı değişkenin bir veya daha fazla bağımsız değişkenle ilişkisini modellemek için kullanılan bir istatistiksel analiz yöntemidir. Bu yöntem, bağımlı değişkenin tahmin edilmesi veya açıklanması amacıyla kullanılır ve bağımsız değişkenlerin etkilerini incelemek için faydalıdır. İşte çoklu doğrusal regresyonun ana bileşenleri ve nasıl çalıştığına dair önemli bilgiler: Bağımlı Değişken (Y): Çoklu doğrusal regresyonun temel amacı, bağımlı bir değişkeni (genellik
İstatistik

Nonlinear Regresyon

Nonlinear regresyon, bağımlı ve bağımsız değişkenler arasındaki ilişkiyi doğrusal bir denklemle ifade edemeyen durumlar için kullanılan bir regresyon analiz yöntemidir. Doğrusal regresyon, bağımlı ve bağımsız değişkenler arasındaki ilişkiyi birinci dereceden bir polinom veya doğrusal bir denklemle ifade ederken, nonlinear regresyon, bu ilişkiyi doğrusal olmayan bir fonksiyonla modellemek için kullanılır. Bu, daha karmaşık, eğri veya eğrilerle ifade edilen ilişkileri ele almak için gereklidir.
İstatistik

Dönüştürülmüş Değişkenler(transformed variables)

Dönüştürülmüş değişkenler (transformed variables), veri analizinde veya modellemede kullanılan, orijinal verilerin üzerinde belirli matematiksel dönüşümler uygulanarak elde edilen yeni değişkenlerdir. Bu tür dönüşümler, verileri daha iyi anlama, ilişkileri keşfetme, modeli iyileştirme veya dağılımları daha normal hale getirme amacıyla kullanılır. İşte bazı yaygın dönüşüm türleri ve neden kullanıldıklarına dair açıklamalar: Logaritmik Dönüşüm: Verilerin logaritmasını almak, orijinal verileri
İstatistik

Lineer Regresyon

Lineer regresyon, bir bağımlı değişkenin bir veya daha fazla bağımsız değişken tarafından nasıl etkilendiğini modellemek için kullanılan istatistiksel bir analiz yöntemidir. Temel amaç, bağımlı değişkenin değerini tahmin etmek veya açıklamaktır. Lineer regresyon, bağımlı değişkenin sürekli bir sayısal değere sahip olduğu durumlar için uygundur ve en yaygın kullanılan regresyon türüdür. İşte lineer regresyonun temel özellikleri: Bağımlı Değişken (Y): Modellemeye çalıştığımız veya tahmin
İstatistik

Korelasyon (Correlation) ve Kovaryans(Covariance)

Kovaryans ve korelasyon, iki değişken arasındaki ilişkiyi ölçen iki farklı istatistiksel kavramdır. İşte her birinin açıklamaları ve farkları: Kovaryans: Kovaryans, iki rassal değişken arasındaki ilişkinin doğasını ölçen bir terimdir. İki değişken arasındaki eğilimlerin aynı yönde mi yoksa ters yönde mi olduğunu belirlemeye yardımcı olur. Kovaryans pozitif, negatif veya sıfır olabilir. Pozitif Kovaryans: İki değişken arasında pozitif bir kovaryans varsa, bu, bir değişkenin arttığı
İstatistik

Düzenli Veriler (Tidy Data)

Tidy Data, veri analizi ve veri bilimi için önemli bir veri düzenleme prensibidir. Bu prensip, veri setlerinin düzenli, anlaşılır ve işlenebilir bir biçimde oluşturulmasını amaçlar. Tidy Data'nın temel özellikleri şunlardır: Her değişken bir sütun: Her bir özellik (değişken) veri setinde ayrı bir sütunda temsil edilmelidir. Bu, her sütunun tek bir özelliği temsil ettiği anlamına gelir. Her gözlem bir satır: Her veri noktası (gözlem) veri setinde ayrı bir satırda yer almalıdır. Bu, her
İstatistik

Quantile-Quantile (Q-Q) Grafiği

Quantile-Quantile (Q-Q) grafiği, bir veri setinin teorik bir olasılık dağılımı ile karşılaştırılmasına yardımcı olan bir grafik yöntemidir. Q-Q grafiği, verilerin ne kadar iyi belirli bir olasılık dağılımına uydurulabileceğini değerlendirmek için kullanılır. Genellikle normal dağılım ile karşılaştırmak amacıyla kullanılır, ancak başka bir olasılık dağılımı da seçilebilir. Q-Q grafiği, aşağıdaki adımlarla oluşturulur: Verilerin Sıralanması: Veriler sıralanır, yani küçükten büyüğe veya b
İstatistik

Quantiles (Çeyrekler veya Yüzdelikler) ve Standartlaştırılmış Değişkenler (Standardized Variables veya Z-Scores)

Quantiles ve standartlaştırılmış değişkenler, veri analizinde kullanılan önemli iki kavramdır. İşte bu kavramların açıklamaları: Quantiles (Çeyrekler veya Yüzdelikler): Quantiles, bir veri setini belli yüzdelerde bölen ve verilerin sıralandığı değerlerdir. Genellikle verilerin dağılımını anlamak ve özetlemek için kullanılırlar. İlk dört temel quantile şunlardır: Alt Çeyrek (Q1 - 25. persentil): Verilerin en düşük %25'ini temsil eder. Medyan (Q2 - 50. persentil): Verileri ikiye böl
İstatistik

Yayılma Ölçümü (Measuring Spread)

"Measuring Spread," bir veri setinin değişkenliğini veya dağılımının ne kadar yayıldığını ölçen istatistiksel metrikleri ifade eder. Bu metrikler, verilerin dağılımının merkezi eğilim metriklerinin ötesindeki özelliklerini anlamamıza yardımcı olur. İşte spread ölçümüne yönelik temel metrikler: Varyans (Variance): Varyans, veri noktalarının ortalama etrafındaki yayılımın ölçüsüdür. Her bir veri noktasının ortalamadan ne kadar uzak olduğunu hesaplar ve bu farkların karelerinin ortalamasını al
İstatistik

Merkezi ölçüm (Measuring Center)

Merkezi ölçüm (Measuring Center), bir veri dağılımının merkezi konumunu tanımlamak için kullanılan istatistiksel metrikleri ifade eder. Bu metrikler, veri dağılımının hangi değerlerin veya bölgelerin etrafında yoğunlaştığını veya merkezde bulunduğunu anlamamıza yardımcı olur. İşte merkezi ölçümü ifade eden temel metrikler: Ortalama (Mean): Veri setindeki tüm değerlerin toplamının veri noktalarının sayısına bölünmesiyle hesaplanır. Ortalama, veri setinin merkezi konumunu temsil eder. Özellik
İstatistik

Dağılımları Sayılarla Açıklamak(Describing Distributions with Numbers)

Veri dağılımlarını tanımlamak ve özetlemek için kullanılan sayısal metrikleri ve istatistikleri içeren bir kavramdır. Bu metrikler ve istatistikler, veri setinin merkezi eğilimini, değişkenliğini ve şeklini anlamamıza yardımcı olur. İşte bu kavramın temel öğeleri: Merkezi Eğilim (Measures of Central Tendency): Ortalama (Mean): Veri setindeki tüm değerlerin toplamının veri noktalarının sayısına bölünmesiyle hesaplanır. Veri setinin merkezi konumunu temsil eder. Medyan (Median): Ver
×
×
  • Create New...