Yapay Öğrenme Teorisi Bölüm-2

... konulu sunumlar: "Yapay Öğrenme Teorisi Bölüm-2"— Sunum transkripti:

1 Yapay Öğrenme Teorisi Bölüm-2
Dr.Batuhan Gündoğdu

2 öğrenilmek istenen kural)
TABİAT (Bilinmeyen ve öğrenilmek istenen kural) Veri Seti Öğrenme Algoritması Öğrenilen Model

3 Gözetimli Öğrenme Sınıflandırma Regresyon İki sınıflı Çok sınıflı
Lineer Lineer olmayan

4 Gözetimli Öğrenme Sınıflandırma Regresyon İki sınıflı Çok sınıflı
Lineer Lineer olmayan

5 Gözetimli Öğrenme Sınıflandırma Regresyon İki sınıflı Çok sınıflı
Lineer Lineer olmayan

6 Örneklerden sınıflandırma kuralı öğrenme
Örnek Problem: Bu araba aile arabası mıdır? Çıktılar: Evet vs Hayır (iki sınıf) Girdi Gösterimleri: x1: fiyat, x2 : motor gücü

7 Eğitim Seti X

8 Gerçeklik (Bilinmeyen)

9 Hipotez Sınıfı (Uzayı) H
h‘ın hatası (error)

10 Versiyon Uzayı En spesifik hipotez, S En genel hipotez, G

11 Gürültü ve Model Kompleksitesi
Daha basit modeli kullanın, çünkü Hesaplaması kolaydır Eğitmesi kolaydır Açıklaması kolaydır Genellemesi daha iyidir OCCAM’S RAZOR

12 Gözetimli Öğrenme Sınıflandırma Regresyon İki sınıflı Çok sınıflı
Lineer Lineer olmayan

13 Birçok sınıftan biri, Ci i=1,...,K
Hipotezler hi(x), i =1,...,K:

14 Gözetimli Öğrenme Sınıflandırma Regresyon İki sınıflı Çok sınıflı
Lineer Lineer olmayan

15 Lineer Regresyon

16 Lineer Regresyon

17 Gözetimli Öğrenme Sınıflandırma Regresyon İki sınıflı Çok sınıflı
Lineer Lineer olmayan

18 Non-linear Regression (Lineer Olmayan Regresyon)

19 Non-linear Regression (Lineer Olmayan Regresyon)
7.Derece polinom

20 Model Seçimi ve Genelleme
Eldeki veri tek ve mükemmel bir sonuç için yeterli değil Hipotez uzayı H için öngörüler ve varsayımlar yapılmalı Genelleme :: Bu model yeni veri için ne kadar iyi çalışır Aşırı Öğrenme (Overfitting): H, C veya f ‘den daha kompleks Eksik Öğrenme (Underfitting) : H, C veya f ‘den daha az kompleks

21 Triple Trade-Off H’ın kompleksitesi c (H), Eğitim setinin boyutu, N,
Şu üç faktör için trade-off mevcuttur(Dietterich, 2003): H’ın kompleksitesi c (H), Eğitim setinin boyutu, N, Yeni verideki genelleme hatası, E N arttıkça, E düşer c (H)­ arttıkça önce E düşer sonra E­ artar

22 Çapraz Doğrulama Eğitim(50%) Doğrulama(25%) Test (25%)
Genelleme Hatasını kestirebilmek için eldeki datayı aşağıdaki gibi böleriz Eğitim(50%) Doğrulama(25%) Test (25%) Az veri varken yeniden örnekleme yapılır

23 Gözetimli Öğrenmenin Önemli Faktörleri
Model : Maliyet Fonksiyonu: Optimizasyon Prosedürü: