data101

5. Makine Öğrenmesi Algoritmaları

5.1. Denetimli Öğrenme

5.1.1. Lineer Regresyon

Amaç:

Bağımsız değişkenler ile bağımlı değişken arasındaki doğrusal ilişkiyi modellemek.

Model Formülü:

from sklearn.linear_model import LinearRegression

# Özellik ve hedef değişkenlerin belirlenmesi
X = df[['yas', 'tecrübe']]
y = df['gelir']

# Model oluşturma ve eğitme
model = LinearRegression()
model.fit(X, y)

# Tahmin yapma
y_pred = model.predict(X)

5.1.2. Lojistik Regresyon

Amaç:

İkili sınıflandırma problemlerinde kullanılır (örneğin, hastalık var/yok).

Model Formülü:

from sklearn.linear_model import LogisticRegression

# Özellik ve hedef değişkenlerin belirlenmesi
X = df[['yas', 'kilo']]
y = df['hastalik_var']

# Model oluşturma ve eğitme
model = LogisticRegression()
model.fit(X, y)

# Tahmin yapma
y_pred = model.predict(X)

5.1.3. Karar Ağaçları ve Rastgele Ormanlar

Karar Ağaçları:

Verileri bölerek karar kuralları oluşturur.

Rastgele Ormanlar:

Birden fazla karar ağacının birleştirilmesiyle oluşan bir ansambl yöntemidir.

Python Örneği:

from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier

# Karar Ağacı
dt_model = DecisionTreeClassifier()
dt_model.fit(X, y)

# Rastgele Orman
rf_model = RandomForestClassifier(n_estimators=100)
rf_model.fit(X, y)

5.2. Denetimsiz Öğrenme

5.2.1. K-Means Kümeleme

Amaç:

Verileri benzer özelliklere sahip kümelere ayırmak.

Adımlar:

Küme merkezlerinin (k) başlangıç değerlerini belirleme.
Her veri noktasını en yakın merkeze atama.
Merkezleri güncelleme.
Adım 2 ve 3’ü belirli bir kriter sağlanana kadar tekrarlama. ``` from sklearn.cluster import KMeans

Özelliklerin seçimi

X = df[[‘yas’, ‘gelir’]]

Model oluşturma ve eğitme

kmeans = KMeans(n_clusters=3) kmeans.fit(X)

Küme atamaları

df[‘kume’] = kmeans.labels_

#### **5.2.2. Ana Bileşen Analizi (PCA)**

![img2.png](/data101/hafta7/img2.png)

**Amaç:**
Yüksek boyutlu verileri daha düşük boyutlara indirgemek.

**Python Örneği:**

from sklearn.decomposition import PCA

Özelliklerin seçimi

X = df.drop(‘hedef’, axis=1)

PCA uygulama

pca = PCA(n_components=2) X_pca = pca.fit_transform(X)

## **6. Model Değerlendirme ve Doğrulama**

### **6.1. Model Performans Metrikleri**

**Sınıflandırma Problemleri İçin:**

- **Doğruluk (Accuracy):** Doğru tahminlerin toplam tahminlere oranı.
- **Kesinlik (Precision):** Doğru pozitiflerin toplam pozitif tahminlere oranı.
- **Hatırlama (Recall):** Doğru pozitiflerin gerçek pozitiflere oranı.
- **F1 Skoru:** Kesinlik ve hatırlamanın harmonik ortalaması.

![img6.png](/data101/hafta7/img6.png)

**Python Örnek Kodu:**

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

Sınıflandırma için

accuracy = accuracy_score(y_test, y_pred) precision = precision_score(y_test, y_pred) recall = recall_score(y_test, y_pred) f1 = f1_score(y_test, y_pred)

Regresyon için

from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

mse = mean_squared_error(y_test, y_pred) mae = mean_absolute_error(y_test, y_pred) r2 = r2_score(y_test, y_pred)

### **6.2. Çapraz Doğrulama ve Hiperparametre Optimizasyonu**

**Çapraz Doğrulama (Cross-Validation):**

Veri setini eğitim ve test setlerine bölerken, modelin genelleme kabiliyetini artırmak için kullanılır.

**K-Fold Çapraz Doğrulama:**

![img3.png](/data101/hafta7/img3.png)

Veri seti k adet alt sete bölünür. Model k kez eğitilir ve her seferinde farklı bir alt set test için kullanılır.

**Hiperparametre Optimizasyonu:**

Modelin performansını artırmak için en iyi hiperparametreleri bulma işlemidir.

## **7. Uygulama: Python ile Makine Öğrenmesi Projesi**

### **7.1. Proje Tanıtımı**

**Amaç:**

Bir bankanın müşterilerinin kredi başvurularını onaylayıp onaylamama kararını tahmin eden bir makine öğrenmesi modeli oluşturmak.

**Veri Seti:**

- **Değişkenler:**
    - **Yaş**
    - **Gelir**
    - **Kredi Skoru**
    - **Borç Miktarı**
    - **Kredi Onayı (Evet/Hayır)**

### **7.2. Adım Adım Uygulama**

#### Adım 1: Kütüphanelerin İçe Aktarılması

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns


#### Adım 2: Veri Setinin Yüklenmesi

df = pd.read_csv(‘kredi_veri.csv’)

#### Adım 3: Veri Ön İşleme

**'kredi_onayi' sütununu sayısal değerlere dönüştürme**  

le = LabelEncoder()
df[‘kredi_onayi’] = le.fit_transform(df[‘kredi_onayi’])


**Eksik verilerin kontrolü:**

df.isnull().sum()

**Eksik verilerin doldurulması:**

df[‘yas’].fillna(df[‘yas’].mean(), inplace=True)
df[‘gelir’].fillna(df[‘gelir’].mean(), inplace=True)

**Eksik olan kritik verileri datasetten çıkartalım**

df.dropna(subset=[‘kredi_skoru’], inplace=True)

#### Adım 4: Keşifsel Veri Analizi
**Tanımlayıcı istatistikler:**

df.describe()

**Korelasyon analizi:**

sns.heatmap(df.corr(), annot=True) plt.show()

![img8.png](/data101/hafta7/img8.png)

#### Adım 5: Modelleme

 **Özellik ve hedef değişkenlerin belirlenmesi:**

Bağımsız değişkenler ve hedef değişken olarak ayırma

X = df.drop(‘kredi_onayi’, axis=1)
y = df[‘kredi_onayi’]

**Verinin eğitim ve test setlerine bölünmesi:**

from sklearn.model_selection import train_test_split

Eğitim ve test setlerine ayırma

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)


**Model oluşturma ve eğitme:**

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(n_estimators=100, random_state=42)

Modeli eğitme

model.fit(X_train, y_train)

#### Adım 6: Model Değerlendirme**
**Tahmin yapma:**

y_pred = model.predict(X_test)

**Performans metrikleri:**

Performans metrikleri

print(“Doğruluk Oranı:”, accuracy_score(y_test, y_pred))
print(“\nSınıflandırma Raporu:\n”, classification_report(y_test, y_pred))

Karışıklık Matrisi

cm = confusion_matrix(y_test, y_pred)
sns.heatmap(cm, annot=True, fmt=’d’)
plt.xlabel(‘Tahmin Edilen’)
plt.ylabel(‘Gerçek’)
plt.title(‘Karışıklık Matrisi’)
plt.show()

#### Çıktı:


![img7.png](/data101/hafta7/img7.png)


- 492 örnek doğru tahmin edilmiş (kredi onayı almayanlar).  
- 9498 örnek doğru tahmin edilmiş (kredi onayı alanlar).  
- 8 örnek yanlış tahmin edilmiş (kredi onayı almayanlar).  
- 2 örnek yanlış tahmin edilmiş (kredi onayı alanlar).

**Doğruluk Oranı:** %99.9 
#### Adım 7: Modeli Test Edelim

musteri = {
‘yas’: 32,
‘gelir’: 12000,
‘kredi_skoru’: 700,
‘borc_miktari’: 5000
}

musteri = pd.DataFrame(musteri, index=[0])

tahmin = model.predict(musteri)
print(“Tahmin:”, le.inverse_transform(tahmin](0])

#### Adım 8: Model İyileştirme **Hiperparametre optimizasyonu:
**Hafif Uyarı**: Sonuç %99.9 çıkmasının nedeni veri seti oldukça basit, Gerçek bir veri setiyle çalıştığınızda sonuçlar farklı olacaktır ve alttaki adımlar gibi modeli iyileştirmeye gitmemiz gerekecektir.

from sklearn.model_selection import GridSearchCV

Parametreler

params = {
‘n_estimators’: [100, 200, 300],
‘max_depth’: [10, 20, 30, 40, 50],
‘min_samples_split’: [2, 5, 10],
‘min_samples_leaf’: [1, 2, 4]
}

Model

model = RandomForestClassifier(random_state=42)

GridSearchCV

grid = GridSearchCV(model, params, cv=3, n_jobs=-1, verbose=2)

Modeli eğitme

grid.fit(X_train, y_train)

**En iyi model ile yeniden tahmin yapma:**

En iyi parametreler

print(“En iyi parametreler:”, grid.best_params_)

En iyi skor

print(“En iyi skor:”, grid.best_score_)

En iyi model

best_model = grid.best_estimator_

Tahmin yapma

y_pred = best_model.predict(X_test)

Performans metrikleri

print(“Doğruluk Oranı:”, accuracy_score(y_test, y_pred))

Karışıklık Matrisi

cm = confusion_matrix(y_test, y_pred)

sns.heatmap(cm, annot=True, fmt=’d’)
plt.xlabel(‘Tahmin Edilen’)
plt.ylabel(‘Gerçek’)
plt.title(‘Karışıklık Matrisi’)
plt.show()

Sonuçlar

```