Veri Madenciliği Ünite -7

1. Sınıflandırma Görevi

Sınıflandırma, bir nesneyi veya veri noktasını belirli bir kategoriye atama işlemidir. Örneğin, e-postaların “spam” veya “spam değil” olarak sınıflandırılması, müşterilerin satın alma davranışlarının analiz edilmesi veya hastaların hastalık durumlarına göre sınıflandırılması gibi.

2. Sınıflandırma Teknikleri

Sınıflandırma teknikleri, çeşitli algoritmalar ve yöntemler kullanılarak uygulanabilir. En yaygın sınıflandırma tekniklerinden bazıları şunlardır:

Karar Ağaçları: Veri setini bölerek ve karar kuralları oluşturarak sınıflandırma yapan algoritmalardır. Karar ağaçları, kök düğüm, iç düğümler ve yaprak düğümleri içerir.

k-En Yakın Komşu (kNN): Bir veri noktasının sınıfını belirlemek için en yakın komşularının sınıflarına bakarak sınıflandırma yapar. Bu algoritma, komşuların çoğunluk oyunu kullanır.

Destek Vektör Makineleri (SVM): Veri noktalarını farklı sınıflara ayırmak için en uygun sınırı (hiper düzlemi) bulan algoritmalardır. SVM, özellikle yüksek boyutlu veri setlerinde etkilidir.

Lojistik Regresyon: Olasılık tahminleri yaparak veri noktalarını belirli sınıflara atar. Lojistik regresyon, ikili sınıflandırma problemlerinde yaygın olarak kullanılır.

Naive Bayes: Bayes teoremini kullanarak sınıflandırma yapan bir olasılık tabanlı algoritmadır. Naive Bayes, özellikle metin sınıflandırma görevlerinde etkilidir.

3. Performans Değerlendirme

Sınıflandırma modelinin performansını değerlendirmek için çeşitli metrikler kullanılır. Bu metrikler, modelin doğruluğunu ve etkinliğini ölçer:

Karışıklık Matrisi (Confusion Matrix): Modelin doğru ve yanlış sınıflandırmalarını özetler.

Doğruluk (Accuracy): Modelin doğru tahmin ettiği kayıtların toplam kayıtlar içindeki oranını ölçer.

Hassasiyet (Precision) ve Duyarlılık (Recall): Modelin doğruluğunu ve tamlığını ölçer. Hassasiyet, doğru pozitif tahminlerin tüm pozitif tahminlere oranını, duyarlılık ise doğru pozitif tahminlerin tüm gerçek pozitiflere oranını ifade eder.

F1 Skoru: Hassasiyet ve duyarlılığın harmonik ortalamasını alarak dengeyi sağlar ve modelin genel performansını değerlendirir.

4. Sınıflandırma Tekniklerinin Uygulama Alanları

Sınıflandırma teknikleri, birçok alanda geniş bir uygulama yelpazesine sahiptir:

Tıp ve Sağlık: Hastalık teşhisi ve tedavi sonuçlarının tahmini.

Finans: Kredi risk analizi ve müşteri sınıflandırması.

Pazarlama: Müşteri segmentasyonu ve hedefleme.

Güvenlik: Spam filtreleme ve dolandırıcılık tespiti.

Doğal Dil İşleme: Metin sınıflandırma ve duygu analizi.

Sonuç

Sınıflandırma yöntemleri, verileri anlamlandırma ve öngörülerde bulunma açısından kritik öneme sahiptir. Doğru sınıflandırma algoritmalarının seçilmesi ve uygulanması, karar verme süreçlerinde önemli bir rol oynar ve çeşitli alanlarda değerli bilgiler sağlar. Bu yöntemler, veri bilimciler ve analistler için güçlü araçlardır.

1- Sınıflandırma görevi nedir?

A) Bir nesneyi belirli bir kategoriye atama işlemi
B) Sayıları sıralama işlemi
C) Rastgele öznitelikleri seçme işlemi
D) Veri setini bölme işlemi
E) Örneklem çıkarma işlemi

Cevap: A) Bir nesneyi belirli bir kategoriye atama işlemi

Açıklama: Sınıflandırma, verileri belirli kategorilere ayırma işlemi olup, genellikle veri madenciliği ve makine öğrenimi alanında kullanılır.

2- Sınıflandırma teknikleri genellikle hangi tür veri kümeleri üzerinde etkilidir?

A) Sayısal veriler
B) Sıralı kategoriler
C) Metin verileri
D) İki kategorili veriler
E) Hiçbiri

Cevap: D) İki kategorili veriler

Açıklama: Sınıflandırma teknikleri, özellikle iki kategorili veriler üzerinde etkilidir, çünkü bu teknikler verileri belirli sınıflara ayırmayı amaçlar.

3- Sınıflandırma modelinin performansı nasıl değerlendirilir?

A) RMSE kullanılarak
B) Karışıklık matrisi ile
C) Doğruluk değeri ile
D) Ağırlıklandırma kullanılarak
E) Duyarlılık metriği ile

Cevap: B) Karışıklık matrisi ile

Açıklama: Karışıklık matrisi, sınıflandırma modelinin performansını değerlendirmek için kullanılır ve modelin doğru ve yanlış sınıflandırmalarını özetler.

4- Sınıflandırma teknikleri hangi durumda daha az etkili olabilir?

A) Dengesiz sınıfların olduğu veri kümelerinde
B) Sayısal veri kümelerinde
C) Küçük boyutlu veri setlerinde
D) Sıralı kategoriler içeren veri setlerinde
E) Hiçbiri

Cevap: D) Sıralı kategoriler içeren veri setlerinde

Açıklama: Sınıflandırma teknikleri, sıralı kategoriler içeren veri setlerinde daha az etkili olabilir, çünkü bu tür veri setlerinde sınıflar arasındaki sıralama bilgisi önemlidir.

5- Karar ağaçları hangi tür düğümleri içerir?

A) Sadece kök düğümler
B) Yaprak düğümleri ve iç düğümler
C) Sadece yaprak düğümleri
D) Sadece iç düğümler
E) Sadece son düğümler

Cevap: B) Yaprak düğümleri ve iç düğümler

Açıklama: Karar ağaçları, yaprak düğümleri ve iç düğümler içerir. Yaprak düğümleri, nihai sınıflandırma kararlarını temsil ederken, iç düğümler veri bölme kararlarını temsil eder.

6- Kosinüs mesafesi genellikle hangi tür veri kümesinde kullanılır?

A) Sayısal veriler
B) Metin verileri
C) Görüntü verileri
D) Sıralı kategoriler
E) Karmaşık yapıdaki veriler

Cevap: B) Metin verileri

Açıklama: Kosinüs mesafesi, metin verileri arasında benzerlik ölçmek için yaygın olarak kullanılır ve vektörlerin arasındaki açıyı ölçerek benzerlik derecesini belirler.

7- Performans metrikleri arasında doğruluk (accuracy) neyi ölçer?

A) Modelin eğitim süresini
B) Modelin karmaşıklığını
C) Modelin doğru tahmin ettiği kayıtların oranını
D) Modelin yanlış tahmin ettiği kayıtların oranını
E) Modelin genel başarı seviyesini

Cevap: C) Modelin doğru tahmin ettiği kayıtların oranını

Açıklama: Doğruluk (accuracy), modelin doğru tahmin ettiği kayıtların toplam kayıtlar içindeki oranını ölçer ve sınıflandırma modelinin performansını değerlendirir.

8- F1 skoru, neden hassasiyet ve duyarlılık metriklerinin harmonik ortalamasını kullanarak denge kurar?

A) Hassasiyet ve duyarlılık arasındaki doğrusal ilişkiyi vurgular.
B) Modelin yanlış pozitiflerine odaklanır, yanlış negatiflere dikkat etmez.
C) Hassasiyet ve duyarlılığın ortalamasını alarak dengeyi sağlar.
D) Yüksek F1 skoru, modelin sadece bir metriğe odaklandığını gösterir.
E) Modelin performansını değerlendirmek için uygun bir metrik değildir.

Cevap: C) Hassasiyet ve duyarlılığın ortalamasını alarak dengeyi sağlar.

Açıklama: F1 skoru, hassasiyet (precision) ve duyarlılık (recall) metriklerinin harmonik ortalamasını alarak denge kurar ve bu sayede modelin genel performansını daha dengeli bir şekilde değerlendirir.

9- kNN algoritmasının temel prensibi nedir?

A) Rastgele seçim yapma
B) Komşuların çoğunluk oyunu kullanma
C) Doğrusal regresyon uygulama
D) Ağırlıklandırma kullanma
E) Karar ağaçları oluşturma

Cevap: B) Komşuların çoğunluk oyunu kullanma

Açıklama: kNN (k-Nearest Neighbors) algoritması, bir veri noktasının sınıfını belirlerken en yakın komşularının çoğunluk oyunu kullanır. Bu komşuların sınıfları, yeni veri noktasının sınıfını belirler.

10- kNN’nin sınırlamalarından biri nedir?

A) Optimal k değerinin bulunması
B) Öklid Mesafesi’nin kullanımı
C) Dengesiz sınıfların etkisi
D) Çapraz doğrulama kullanımı
E) Karar ağaçları ile rekabet etme

Cevap: C) Dengesiz sınıfların etkisi

Açıklama: kNN algoritmasının sınırlamalarından biri, dengesiz sınıfların etkisidir. Bu durumda, azınlık sınıflar yeterince temsil edilmez ve bu da sınıflandırma performansını olumsuz etkiler.