Makİne Öğrenmesİ İle Ürün SInIflandIrma İncelemesi

... konulu sunumlar: "Makİne Öğrenmesİ İle Ürün SInIflandIrma İncelemesi"— Sunum transkripti:

1 Makİne Öğrenmesİ İle Ürün SInIflandIrma İncelemesi
Can RAZBONYALI Yrd. Doç. Aslı UYAR Okan Üniversitesi Bilgisayar Mühendisliği Doktora Öğrencisi HUAWEI Teknoloji CRM & SI Takımı Yazılım Mühendisi

2 Sunum Kapsamı İnternet kullanımı hakkında bilgiler.
Çalışmanın İçeriği. Ön Hazırlık. Kullanılan Yöntemler. Deneysel Sonuçlar. Sonuç ve Öneriler.

3 İnternet Kullanımı Hakkında Bilgiler
İnternette 2005 yılında 11,5 milyar adet indekslenebilir web sayfasının olduğu ortaya konmuştur. Her gün 11 milyar adet yeni web sayfası eklenmektedir. Günümüzde dakikada; tweet atılmakta, Google ile yaklaşık iki milyon arama yapılmakta, YouTube ey 72 saatlik video yüklenmekte, 571 yeni web sayfası eklenmekte olduğu ortaya konmuştur.

4 Çalışmanın İçeriği TeknoSA firmasının ürün kataloğundan faydalanılmıştır. Katalogda bulunan akıllı telefonlar, cep telefonları ve tablet bilgisayarların özelliklerinden eğitim seti oluşturulmuştur. Bu eğitim seti daha sonra veri seti olarak kullanılıp çeşitli sınıflandırma algoritmaları ile sınıflandırılmıştır. Sınıflandırma sonrası Google ürün sınıflandırma ağacına göre sınıflandırılan bu üç ürünün doğrulukları karşılaştırılıp elektronik ticaret sitelerine öneride bulunulmuştur.

5 Ön Hazırlık TeknoSA firmasının internet sayfasındaki ürün kataloğundan; 9 adet Nokia ve Samsung marka cep telefonu, 12 adet Samsung, 7 adet HTC ve LG, 6 adet Blackberry ve 1 adet Alcatel marka akıllı telefon, 1 adet Dell, Polypad ve Sony, üç adet Probook ve iki adet Samsung marka bilgisayar

6 Kullanılan Yöntemler Naive Bayes Algoritması Karar Ağacı Algoritması
En Yakın k Komşu Algoritması

7 TAHMİN(En yakın k komşu)
Deneysel Sonuçlar a b c <- TAHMİN(Naive Bayes) 31 1 akilli_telefon 11 tablet_pc 17 cep_telefonu Sonuçlar WEKA kullanılarak elde edilmiştir. Bu bölümde sınıflandırmanın doğruluk oranı ve verilerin ne kadar öğrenilebilir olduğu ortaya konmuştur. a b c <- TAHMİN(En yakın k komşu) 31 1 akilli_telefon 11 tablet_pc 16 cep_telefonu a b c <- TAHMİN(Karar Ağacı) 32 1 akilli_telefon 11 tablet_pc 3 15 cep_telefonu

8 Sonuç ve Öneriler Bir ürünü geniş ana başlıkta kategorize etmek, spesifik alt başlığa kategorize etmekten daha kolaydır. Sınıflandırma yapılacak diğer sistemlerin seçilecek öz niteliklerin ve sınıflandırma algoritmasının önemi. Farklı sistemlere adapte edilebilirlik. Farklı ürün ve öz nitelikler ile de etkin sonuç.

9 TEŞEKKÜRLER