{
  "baslik": "Yapay Zeka Uygulamaları — 6. Hafta",
  "aciklama": "Karar ağaçları ve topluluk yöntemleri: Gini ve bölme seçimi, derinlik ve budama, öznitelik önemi tuzağı, kırılganlık, torbalama, random forest, boosting, çapraz doğrulama",
  "sorular": [
    {
      "soru": "Bir karar ağacı kökte hangi soruyu soracağına nasıl karar verir?",
      "secenekler": [
        "Veride en çok değişen, yani varyansı en yüksek sütunu seçer.",
        "Etiketle korelasyonu en yüksek sütunu bulup ortasından böler.",
        "Bütün sütunlarda bütün olası eşikleri dener ve **ağırlıklı safsızlığı en çok düşüren** soruyu seçer.",
        "Sütunları veri setindeki sıraya göre sırayla dener, ilk işe yarayanı kullanır.",
        "Bütün ağaç olasılıklarını kurup en yüksek test doğruluğunu veren yapıyı seçer."
      ],
      "dogru": "C",
      "aciklama": "Ölçü **Gini** (ya da entropi): `Gini = 1 − p₁² − p₂²`, yani bir kutudan rastgele çekilen iki örneğin farklı sınıftan olma olasılığı. Ağaç her sütun için sıralanmış komşu değerlerin orta noktalarını eşik adayı olarak dener, iki dalın Gini'sini **örnek sayısıyla ağırlıklı** ortalar ve `kazanç = önceki Gini − sonraki ağırlıklı Gini` en yüksek olan soruyu seçer. E şıkkı imkânsız: ağaç test verisini görmez ve bütün ağaç olasılıkları astronomik sayıdadır — zaten bu yüzden **aç gözlüdür**, yalnızca o anki en iyi soruyu seçer."
    },
    {
      "soru": "Titanic verisinde derinlik taraması şu sonuçları verdi — derinlik 3: eğitim 0,834 / doğrulama 0,803 · derinlik 4: 0,844 / 0,821 · derinlik 6: 0,880 / 0,803 · derinlik 12: 0,981 / 0,762. Bu tablodan çıkan doğru sonuç hangisidir?",
      "secenekler": [
        "Derinlik 12 en iyisidir, çünkü eğitim doğruluğu en yüksektir.",
        "Tablo kullanılamaz: derinlik arttıkça doğruluğun artması gerekirdi.",
        "Derinlik 6 seçilmelidir, çünkü eğitim ile doğrulama arasında denge vardır.",
        "Derinlik 4 seçilmelidir; ötesinde eğitim skoru yükselmeye devam ederken **doğrulama skoru düşmeye başlıyor.**",
        "Derinlik 3 seçilmelidir, çünkü uçurumun en küçük olduğu yer orasıdır."
      ],
      "dogru": "D",
      "aciklama": "Eğitim sütunu **asla dönmez** — ağaca özgürlük verdikçe eğitim verisini daha iyi ezberler. Karar her zaman modelin **görmediği** veriye bakılarak verilir ve o sütun 4'te zirve yapıp iniyor. A şıkkı aşırı öğrenmenin ta kendisi: 0,981 eğitim skoru kural değil gürültü ezberidir (uçurum +0,219). E şıkkı cazip ama yanlış: uçurumun küçük olması tek başına yetmez — derinlik 1'de uçurum sıfırdır ve model hiçbir şey bilmez. **Önce doğrulama skorunun zirvesi, sonra uçurum teşhis için.**"
    },
    {
      "soru": "Elinizde eğitimde %100, görmediği veride %75 alan bir karar ağacı var. Tek bir ayarla müdahale edeceksiniz. Hangisi en etkilidir?",
      "secenekler": [
        "`criterion` ayarını `gini` yerine `entropy` yapmak.",
        "`min_samples_leaf` değerini 1'den 10'a çıkarmak.",
        "Bütün sütunları 0–1 arasına ölçeklemek.",
        "`random_state` değerini değiştirip birkaç farklı ağaç denemek.",
        "Eğitim verisini çoğaltıp aynı satırları iki kez vermek."
      ],
      "dogru": "B",
      "aciklama": "%100 eğitim doğruluğu **her yaprakta tek örnek kaldığı** anlamına gelir. `min_samples_leaf` tek örneklik yaprakları doğrudan yasaklar ve ezberi kökünden keser — derinliği serbest bıraksanız bile iş görür; bu yüzden en etkili tek ayardır. A: Gini ile entropi neredeyse aynı ağacı verir, buradan kazanç çıkmaz. C: **ağaç ölçekleme istemez** — `maaş ≤ 18000` sorusu veri 0–1 arasına sıkıştırılsa da aynı sıralamayı üretir. D: farklı tohum farklı bir ağaç verir ama aynı ölçüde ezberler. E: aynı satırları çoğaltmak yeni bilgi eklemez, ezberi pekiştirir."
    },
    {
      "soru": "Bir modelin öznitelik önemi listesinde, her müşteriye sırayla verilmiş **müşteri numarası** sütunu ilk üçe girdi. Bu durumun doğru yorumu nedir?",
      "secenekler": [
        "Budanmamış ağaç benzersiz sütunlarla her örneği tek başına kutuya koyabildiği için önem toplar; sütun atılmalı ve ağaç budanmalıdır.",
        "Müşteri numarası ile hedef arasında gizli bir ilişki bulunmuş olabilir; sütun korunmalıdır.",
        "Önem listesi her zaman nedenseldir, dolayısıyla numara gerçekten etkilidir.",
        "Hesaplama hatasıdır; `feature_importances_` değerleri yeniden hesaplanmalıdır.",
        "Sütun normalize edilmediği için önem şişmiştir; ölçeklenirse önem düzelir."
      ],
      "dogru": "A",
      "aciklama": "Gini önemi **bölmeye yapılan katkıyı** ölçer, etkiyi değil. Benzersiz bir sütun bölmek için sınırsız fırsat verdiği için budanmamış ağaç onunla eğitim safsızlığını sıfıra indirebilir — Titanic'te `PassengerId` eklendiğinde budanmamış ağaç önemin **%14'ünü** ona verir, budama sonrası aynı sütunun payı **0,0** olur. Daha güvenilir ikinci görüş **permütasyon önemidir**: sütunu karıştırıp görmediği veride skorun düşüp düşmediğine bakar; `PassengerId` orada en alta, hatta negatife düşer. E şıkkı yanlış: ağaçta ölçeklemenin hiçbir etkisi yoktur."
    },
    {
      "soru": "Aynı veriden yerine koyarak çekilen dört farklı örneklemle, **ayarları birebir aynı** dört karar ağacı kuruldu. Sonuç: dört ağacın kökündeki soru bile farklı çıktı. Bunun asıl sebebi nedir?",
      "secenekler": [
        "Dört ağaç farklı `random_state` değerleri aldığı için.",
        "Bootstrap örneklemi verinin yarısını attığı için ağaçlar farklı veriyi görüyor.",
        "Karar ağacı rastgele bir algoritmadır; her çalıştırmada farklı sonuç verir.",
        "Veri kümesi çok küçük olduğundan; 10.000 satırda bu olmaz.",
        "Ağaç **aç gözlüdür**: kökteki kararı yalnızca o anki en iyi kazanca göre verir, yakın kazançlı iki soru arasında birkaç örneğin yer değiştirmesi sıralamayı çevirir — ve kök değişince altındaki bütün ağaç değişir."
      ],
      "dogru": "E",
      "aciklama": "Bu, karar ağaçlarının **kırılganlığıdır** ve topluluk yöntemlerinin varlık sebebidir. B yanlış: bootstrap aynı boyutta örneklem çeker, bazı satırlar birkaç kez gelir, ortalama **%37**'si hiç gelmez (bu arta kalan kısım OOB skorunu mümkün kılar). D kısmen doğru ama asıl sebep değil: kırılganlık veri büyüdükçe azalır, ortadan kalkmaz; yakın kazançlı sorular her ölçekte vardır. **Önemli olan şu:** bu bir doğruluk sorunu değil, **kararlılık** sorunudur — skorlar birbirine yakın kalsa bile müşteriye verdiğiniz gerekçe değişir."
    },
    {
      "soru": "Torbalama (bagging) neden tek ağaçtan daha iyi skor verir?",
      "secenekler": [
        "Her ağaç bootstrap örneklemiyle daha fazla veri gördüğü için tek tek daha güçlüdür.",
        "Ağaçların hataları **farklı yerlerde** olduğu için oylamada birbirini götürür; kazanç tek tek ağaçlardan değil **bağımsızlıktan** gelir.",
        "Oylama, her ağacın doğruluğunu ayrı ayrı yükseltir.",
        "Çok sayıda ağaç eğitim verisini daha iyi ezberlediği için doğruluk artar.",
        "Torbalama, ağaçların derinliğini otomatik olarak sınırlar ve aşırı öğrenmeyi önler."
      ],
      "dogru": "B",
      "aciklama": "Topluluğun sırrı tek tek üyelerde değil, **hatalarının ilişkisizliğindedir**. A yanlış: bootstrap örneklemi aynı boyuttadır, daha fazla veri yoktur — hatta her ağaç verinin %63'ünü görür. C yanlış: hiçbir ağaç oylamadan sonra daha iyi hâle gelmez, yalnızca topluluğun kararı düzelir. Bu sebep aynı zamanda şunu açıklar: **kırılgan bir model (karar ağacı) topluluk için iyi hammaddedir**, kararlı bir model (doğrusal regresyon) ise işe yaramaz — yüz tanesi de aynı cevabı verir, götürecek hata kalmaz."
    },
    {
      "soru": "`RandomForestClassifier` kurdunuz ama skor tek ağaçla neredeyse aynı çıktı. Ayarlarınız: `n_estimators=400`, `max_features=None`, `min_samples_leaf=2`. Sorun nerede?",
      "secenekler": [
        "`n_estimators` çok yüksek; 400 ağaç aşırı öğrenmeye yol açmıştır.",
        "`min_samples_leaf=2` ormanda çok gevşektir, en az 20 olmalıdır.",
        "Ormanlar tek ağaçtan daha iyi olmak zorunda değildir; sonuç normaldir.",
        "`oob_score=True` verilmediği için orman doğru eğitilmemiştir.",
        "`max_features=None` bütün sütunların her bölmede denenmesine yol açar; ağaçlar birbirine çok benzer ve oylamanın kazancı kaybolur — `\"sqrt\"` olmalıdır."
      ],
      "dogru": "E",
      "aciklama": "**Ormanı orman yapan ayar `max_features`'tır.** Veride çok güçlü bir sütun varsa (Titanic'te cinsiyet) her bootstrap örnekleminde o sütun kazanır ve yüz ağacın yüzü de aynı soruyla başlar — ağaçlar farklı veriden eğitilse bile hataları benzer yerlerde olur. Her bölmede rastgele bir alt küme denenince güçlü sütun bazı bölmelerde **hiç masada olmaz**. Titanic ölçümünde bu tek ayar 0,8137 → 0,8260 fark yarattı. A yanlış: ormanda ağaç eklemek **zarar vermez**, `n_estimators` bir ayar değil bütçedir. D yanlış: `oob_score` yalnızca ek bir ölçüm üretir, eğitimi değiştirmez."
    },
    {
      "soru": "Bir topluluğa ağaç eklemenin etkisi konusunda hangisi doğrudur?",
      "secenekler": [
        "Random forest'ta ağaç eklemek skoru bozmaz, yalnızca süreyi uzatır; boosting'te ise bir noktadan sonra skoru **düşürür.**",
        "İkisinde de ağaç eklemek skoru sürekli iyileştirir; fark yalnızca hızdadır.",
        "İkisinde de ağaç eklemek bir noktadan sonra aşırı öğrenmeye yol açar.",
        "Random forest'ta ağaç eklemek aşırı öğrenmeye yol açar, boosting'te yol açmaz.",
        "Ağaç sayısı skoru etkilemez; etkileyen tek şey ağaçların derinliğidir."
      ],
      "dogru": "A",
      "aciklama": "Ormanda ağaçlar **bağımsız** kurulur ve eşit oy verir; yenisini eklemek ortalamayı biraz daha oturtur, bozmaz. Boosting'te her ağaç **önceki toplamın artığına** uydurulur, dolayısıyla eklenen her ağaç modeli biraz daha eğitim verisine yaklaştırır — bir noktadan sonra kuralı değil gürültüyü düzeltmeye başlar. Titanic'te aynı boosting modeli, erken durdurma açıkken 0,8305 alırken 500 ağaç zorlandığında **0,8137**'ye düştü ve yayılımı büyüdü. Bu yüzden boosting'te **erken durdurma pazarlık konusu değildir**; ormanda ise `n_estimators` yalnızca bir bütçe kararıdır."
    },
    {
      "soru": "Beş katlı çapraz doğrulama sonuçları: A modeli 0,8260 ± 0,0183 · B modeli 0,8305 ± 0,0163. Rapora yazılacak doğru cümle hangisidir?",
      "secenekler": [
        "B modeli daha iyidir; 0,8305 > 0,8260 olduğu için B seçilmelidir.",
        "A modeli daha iyidir, çünkü yayılımı daha küçüktür.",
        "İki model karşılaştırılamaz; farklı katlarla yeniden ölçülmelidir.",
        "İki modelin ortalamaları arasındaki 0,0045 fark, yayılımların (± 0,017 civarı) çok altındadır: **bu veri boyutunda fark ölçülemiyor.**",
        "Fark anlamlıdır, çünkü iki ölçüm de aynı katlar üzerinde yapılmıştır."
      ],
      "dogru": "D",
      "aciklama": "Kural tek cümle: **iki modelin ortalamaları arasındaki fark yayılımlarından küçükse o fark yoktur.** Burada fark 0,0045, yayılımlar 0,016–0,018 — yani gözlemlenen sıra başka bir tohumla tersine dönebilir. Doğru rapor cümlesi şudur: *ikisi de taban çizgisini (0,6162) yaklaşık 21 puan geçti; aralarındaki fark bu veri boyutunda ölçülemedi.* Böyle bir durumda seçim doğruluğa değil başka ölçütlere bakılarak yapılır: hız, okunabilirlik, ayar hassasiyeti. **Yayılım yazmayan bir karşılaştırma tablosu eksiktir** — tek sayı, kendisinden büyük bir gürültünün üstünü örtebilir."
    },
    {
      "soru": "Ağaç tabanlı modellerde veri hazırlığı hakkında hangisi doğrudur?",
      "secenekler": [
        "Ağaç mesafe hesapladığı için sütunların ölçeklenmesi şarttır.",
        "Bütün kategorik sütunlar `LabelEncoder` ile sayıya çevrilmelidir; ağaç sırayı dikkate almaz.",
        "Ölçekleme gereksizdir; sıralı sütunlar (ör. `Pclass`) olduğu gibi bırakılabilir, **sırası olmayan** kategorik sütunlar (ör. liman) ise one-hot yapılmalıdır.",
        "Eksik değerler ağaç için sorun değildir; `scikit-learn`'ün klasik karar ağacı `NaN` ile çalışır.",
        "Doldurma için kullanılacak medyan, eğitim ve test verisinin birleşiminden hesaplanmalıdır."
      ],
      "dogru": "C",
      "aciklama": "Ağaç her soruda tek bir sütunun **sıralamasına** bakar, büyüklüğüne değil — bu yüzden ölçekleme boşa emektir (KNN için şart olan şey burada gereksiz). `Pclass` sıralıdır: ağaç `Pclass ≤ 2,5` diye sorup 1. ve 2. sınıfı tek soruda ayırabilir. Limanda böyle bir sıra yoktur; `C=0, Q=1, S=2` yazmak ağaca **uydurulmuş bir sıra** dayatır ve `liman ≤ 0,5` gibi anlamsız bölmeler ürettirir — B şıkkının hatası tam olarak budur. D yanlış: `DecisionTreeClassifier` `NaN` göremez, doldurmak size düşer (`HistGradientBoosting` görebilir). E yanlış ve tehlikeli: doldurma değerleri **yalnızca eğitim verisinden** hesaplanır, aksi hâlde 2. haftanın veri sızıntısı hatası yapılmış olur."
    }
  ]
}
