Bu hafta ilk modelimizi kuruyoruz.
1. haftada yapay zekânın ne olduğunu, 2. haftada verinin ne kadar önemli olduğunu konuştuk. Bu hafta bilgisayar başına geçiyoruz. Hiçbir program kurmayacağız — her şeyi tarayıcıdan, ücretsiz yapacağız.
Model kurmak kolaydır. Zor olan, doğru veriyi bulmak ve çıkan sonucun gerçekten iyi olup olmadığını anlamaktır.
“Python bilmiyorum, yapabilir miyim?” Evet. Kodları hazır veriyoruz. Sizden beklenen önce çalıştırmak, sonra her satırın ne işe yaradığını anlamak. Her kod parçasının altında ne yaptığı tek tek yazıyor.
Sınıflandırma nedir?
Sınıflandırma, bir şeye bakıp onu hazır kutulardan birine koymaktır. Postacının mektupları ilçelere göre ayırması gibi.
Posta kutuları
Postacı zarfa bakar, adrese göre doğru kutuya atar. Kutular bellidir; postacı yeni kutu icat etmez.
Model
Model de aynısını yapar: önüne gelen satıra bakar ve onu önceden belirlenmiş kutulardan birine koyar.
Doğru cevaplar
Modelin öğrenebilmesi için elimizde cevabı yazan örnekler olmalı. Cevap yoksa model öğrenemez.
Bir sınıflandırma tablosu neye benzer?
Aşağıda 4 yolcu var. Son sütun bizim tahmin etmek istediğimiz şey; diğer sütunlar modelin bakacağı bilgiler.
| Cinsiyet | Yaş | Bilet sınıfı | Bilet ücreti | Kurtuldu mu? |
|---|---|---|---|---|
| Kadın | 38 | 1 | 71 | Evet |
| Erkek | 22 | 3 | 7 | Hayır |
| Kadın | 26 | 3 | 8 | Evet |
| Erkek | 35 | 3 | 8 | Hayır |
Satır
Bir yolcu. Her satır bir örnek.
Soldaki sütunlar
Modelin bakacağı bilgiler. Bunlara öznitelik denir.
Son sütun
Doğru cevap. Buna etiket ya da hedef denir.
Sekiz soru var. Her biri için bir kutu seçin. Cevabınız doğru da olsa yanlış da olsa kısa bir açıklama göreceksiniz.
Veri setini nereden indiririz?
Sıfırdan veri toplamak çok uzun iş. Neyse ki internette hazırlanmış ve ücretsiz paylaşılmış binlerce veri seti var. İşte en çok kullanılan altı kaynak.
Bu dersin ana durağı ve başlangıç için en iyi seçenek. Hem veri var, hem veriyi işleyeceğiniz ücretsiz bir bilgisayar, hem de başkalarının yazdığı örnek kodlar.
Üniversitelerin yıllardır kullandığı klasik arşiv. Veri setleri küçük ve temiz olduğu için yeni başlayanlara çok uygun.
Devletin ve belediyelerin paylaştığı veriler: nüfus, trafik, hava kalitesi, ulaşım.
Veri setleri için arama motoru. Kendi verisi yoktur; aradığınız konuda kimde veri olduğunu bulur.
Daha çok metin ve görüntü verisi bulunur. Türkçe veri setleri de burada.
Hiçbir şey indirmeden tek satırla gelen küçük veri setleri. Bir şeyi hızlıca denemek için birebir.
İyi bir veri setini nasıl seçeriz?
Öğrencilerin en çok vakit kaybettiği yer burasıdır. Bir veri setine karar vermeden önce şu beş soruyu sorun. Birine bile cevap veremiyorsanız başka veri setine geçin.
Nasıl anlarsınız? Veri setinin açıklamasını okuyun. İçinde synthetic, generated veya simulated kelimeleri geçiyorsa veri uydurmadır. Verinin nereden toplandığı hiç yazmıyorsa da şüphelenin.
Kaggle nedir, hesap nasıl açılır?
Kaggle, Google'a ait ücretsiz bir sitedir; yapay zekâ öğrenenlerin buluştuğu yer. Bizim için üç şeyi aynı anda veriyor.
Veri
Yüz binlerce hazır veri seti. İndirmenize bile gerek yok; doğrudan sitenin içinde kullanabilirsiniz.
Ücretsiz bilgisayar
Kod yazıp çalıştırabileceğiniz hazır bir ortam. Bilgisayarınız eski olsa bile fark etmez — kod sizin makinenizde değil, Google'ın sunucusunda çalışır.
Örnek kodlar
Başkalarının aynı veriyle yazdığı kodları okuyabilir, kopyalayıp kendiniz çalıştırabilirsiniz. Öğrenmenin en hızlı yollarından biri.
Sitedeki bölümler
| Bölüm | Ne işe yarar |
|---|---|
| Datasets | Veri setleri. Ödeviniz için veriyi buradan seçeceksiniz. |
| Code | Kod yazdığınız yer (Notebook). Dersin asıl çalışma alanı. |
| Competitions | Yarışmalar. Herkes aynı veriyle yarışır, gönderilen cevaplar puanlanır. |
| Learn | Kısa ve ücretsiz kurslar. “Intro to Machine Learning” kursunu öneriyorum. |
| Discussions | Soru-cevap bölümü. Takıldığınızda büyük ihtimalle birisi aynı soruyu sormuştur. |
Hesap açmak: üç adım
İlk Kaggle Notebook'umuz
Notebook, kodu parça parça yazıp çalıştırdığınız bir sayfadır. Her parçaya hücre denir. Bir hücreyi çalıştırırsınız, sonucunu hemen altında görürsünüz.
Input · eklediğiniz veri
Output · sizin ürettiğiniz dosya
import pandas as pd
veri = pd.read_csv("/kaggle/input/titanic/train.csv")
print(veri.shape)
veri.head()
Bilmeniz gereken dört şey
1 · Notebook nasıl açılır?
Üst menüden Code → New Notebook. Ya da bir veri setinin sayfasındaki New Notebook düğmesine basarsanız o veri otomatik olarak eklenir — kolay yol budur.
2 · Veri nerede duruyor?
Eklediğiniz veri /kaggle/input/ klasörüne gelir ve değiştirilemez. Sizin ürettiğiniz dosyalar ise /kaggle/working/ klasörüne gider. Dosya yolunu elle yazmayın; sol panelde dosyanın üstüne gelip kopyalayın.
3 · Hücre nasıl çalıştırılır?
Hücrenin solundaki ▶ düğmesine basın ya da Shift + Enter tuşlarına birlikte basın. Sonuç hücrenin hemen altında belirir.
4 · Çalışmam kaybolur mu?
Sağ üstteki Save Version düğmesine basmazsanız kaybolabilir. Önemli bir şey yaptıktan sonra hemen kaydedin. Ödevi de bu düğmeyle kaydedip teslim edeceksiniz.
Adım adım örnek: Titanic
Şimdi sizden isteyeceğim şeyi birlikte yapalım. Elimizde Titanic gemisindeki yolcuların listesi var. Soru şu: bir yolcunun bilgilerine bakarak kurtulup kurtulmadığını tahmin edebilir miyiz?
Çünkü küçük (891 satır), anlaşılır (herkes Titanic'i bilir) ve içinde gerçek hayattaki gibi eksik bilgiler var — yani 2. haftada öğrendiğimiz temizlik işlerini gerçekten uygulayacağız. Kodun tamamı birkaç saniyede çalışır.
Yarışmayı açın ve notebook oluşturun
kaggle.com/c/titanic adresine gidin. Önce Join Competition düğmesine basıp kuralları kabul edin. Sonra Code → New Notebook deyin.
Sol panelde üç dosya göreceksiniz:
- train.csv — 891 yolcu, kurtulup kurtulmadıkları yazıyor. Model bununla öğrenecek.
- test.csv — 418 yolcu, kurtulup kurtulmadıkları yazmıyor. Bunları biz tahmin edeceğiz.
- gender_submission.csv — cevap dosyasının nasıl görünmesi gerektiğini gösteren örnek.
Veriyi okuyun ve bir bakın
import pandas as pd
train = pd.read_csv("/kaggle/input/titanic/train.csv")
test = pd.read_csv("/kaggle/input/titanic/test.csv")
print("Egitim verisi:", train.shape)
print("Test verisi:", test.shape)
train.head()
Egitim verisi: (891, 12) Test verisi: (418, 11)
Test verisinde bir sütun eksik (12 değil 11) — çünkü cevap sütunu orada yok. Zaten onu bizim bulmamız isteniyor.
Eksik bilgileri bulun
train.isna().sum()
Age 177 Cabin 687 Embarked 2
Sonuç: 891 yolcunun 177'sinin yaşı yazmıyor. Kabin numarası ise 687 yolcuda boş — yani neredeyse hiç yok, bu sütunu hiç kullanmayacağız. Yaş sütununu ise birazdan dolduracağız.
Kaç kişi kurtuldu? (En önemli adım)
print(train["Survived"].value_counts()) print(train["Survived"].value_counts(normalize=True))
0 549 <- kurtulamayan 1 342 <- kurtulan 0 0.616 <- %61,6 1 0.384 <- %38,4
Bu sayıya taban çizgisi diyoruz. Modelimizin işe yaraması için bu çizgiyi geçmesi gerekir. %65 alan bir model aslında neredeyse hiçbir şey öğrenmemiş demektir.
Hangi bilgi işe yarıyor?
print(train.groupby("Sex")["Survived"].mean())
print(train.groupby("Pclass")["Survived"].mean())
Sex female 0.742 <- kadinlarin %74,2'si kurtulmus male 0.189 <- erkeklerin %18,9'u Pclass 1 0.630 <- 1. sinif yolcular 2 0.473 3 0.242 <- 3. sinif yolcular
Sonuç çok net: Cinsiyet çok şey anlatıyor (%74'e karşı %19). Bilet sınıfı da öyle. Demek ki bu iki sütun modelimiz için değerli olacak.
Veriyi modelin anlayacağı hâle getirin
Modeller sadece sayı anlar; “female” yazısını anlamaz. Ayrıca boş hücrelerden hoşlanmazlar. İkisini de halledelim.
yas_ortancasi = train["Age"].median() # 28.0
ucret_ortancasi = train["Fare"].median()
def hazirla(df):
d = df.copy()
# 1) Cinsiyeti sayiya cevir: kadin -> 1, erkek -> 0
d["Kadin"] = (d["Sex"] == "female").astype(int)
# 2) Bos yaslari ve ucretleri doldur
d["Age"] = d["Age"].fillna(yas_ortancasi)
d["Fare"] = d["Fare"].fillna(ucret_ortancasi)
# 3) Yeni bilgi uret: yanindaki aile birey sayisi + kendisi
d["AileBoyu"] = d["SibSp"] + d["Parch"] + 1
return d
tr = hazirla(train)
te = hazirla(test)
sutunlar = ["Kadin", "Pclass", "Age", "Fare", "AileBoyu"]
X = tr[sutunlar] # modelin bakacagi bilgiler
y = tr["Survived"] # dogru cevaplar
X.head()
Kadin Pclass Age Fare AileBoyu 0 0 3 22.0 7.25 2 1 1 1 38.0 71.28 2 2 1 3 26.0 7.92 1 3 1 1 35.0 53.10 2 4 0 3 35.0 8.05 1
• Yazıyı sayıya çevirdik. (d["Sex"] == "female") ifadesi kadınlar için True, erkekler için False üretir. .astype(int) bunları 1 ve 0 yapar.
• Boşlukları doldurduk. Yazmayan yaşların yerine ortanca yaşı (28) koyduk. Ortanca, ortalamadan daha güvenlidir — 2. haftadaki kaydıraçlı örneği hatırlayın.
• Yeni bir sütun ürettik. SibSp (kardeş/eş sayısı) ile Parch (anne-baba/çocuk sayısı) toplanıp 1 eklenince aile büyüklüğü çıkıyor. Veride böyle bir sütun yoktu, onu biz ürettik.
Küçük ama önemli ayrıntı: Test verisinin boşluklarını da eğitim verisinin ortancasıyla doldurduk. Testin kendi ortancasını kullansaydık, modele görmemesi gereken bir bilgiyi sızdırmış olurduk.
Veriyi ikiye bölün: ders ve sınav
Modeli eğittiğimiz veriyle sınav yapamayız — o soruların cevabını zaten görmüş olur. Bu yüzden elimizdeki 891 satırı ikiye ayırıyoruz.
from sklearn.model_selection import train_test_split
X_egitim, X_sinav, y_egitim, y_sinav = train_test_split(
X, y, test_size=0.2, random_state=42)
print("Egitim icin:", len(X_egitim), "yolcu")
print("Sinav icin :", len(X_sinav), "yolcu")
Egitim icin: 712 yolcu Sinav icin : 179 yolcu
random_state=42 ise bölmenin her çalıştırmada aynı olmasını sağlar. Olmasaydı her seferinde farklı yolcular seçilir ve sonucunuz her defasında değişirdi. (42 sayısının özel bir anlamı yoktur, alışkanlıktan kullanılır.)
Modeli eğitin
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
model = DecisionTreeClassifier(max_depth=4, random_state=42)
model.fit(X_egitim, y_egitim) # ogren
tahmin = model.predict(X_sinav) # sinav sorularini cevapla
print("Dogruluk:", accuracy_score(y_sinav, tahmin))
Dogruluk: 0.80 civari Hatirlatma: taban cizgisi 0.616 idi.
• DecisionTreeClassifier bir karar ağacıdır. “Kadın mı? Evetse… 1. sınıf mı? Evetse…” diye soru sora sora karar verir. İnsanın düşünme biçimine en çok benzeyen model olduğu için başlangıç için idealdir.
• max_depth=4 “en fazla 4 soru sorabilsin” demektir. Sınırlamazsak model ezberlemeye başlar.
• fit öğrenmek, predict tahmin etmek demektir. Bütün scikit-learn modelleri bu iki komutla çalışır.
Sonuç: %80 civarı. Taban çizgisi %61,6 idi — yani modelimiz gerçekten bir şey öğrenmiş, yaklaşık 18 puan iyileştirmiş.
Başka modeller de deneyin
Tek bir modele bağlı kalmayın. Birkaçını deneyip karşılaştırmak çok kolaydır:
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
modeller = {
"Karar Agaci": DecisionTreeClassifier(max_depth=4, random_state=42),
"Lojistik Regresyon": LogisticRegression(max_iter=1000),
"Random Forest": RandomForestClassifier(n_estimators=200, random_state=42),
}
for ad, m in modeller.items():
m.fit(X_egitim, y_egitim)
skor = accuracy_score(y_sinav, m.predict(X_sinav))
print(ad, "->", round(skor, 3))
Karar Agaci -> 0.80 civari Lojistik Regresyon -> 0.79 civari Random Forest -> 0.81 civari
Asıl haber şu: üçü de taban çizgisini açık ara geçiyor. “Hangi model kazandı?” sorusundan çok daha önemli olan soru budur.
Random Forest nedir? Tek bir karar ağacı yerine yüzlerce ağaç kurup oylarını toplayan bir yöntem. “Bir kişiye değil, kalabalığa sor” mantığı. 6. haftada göreceğiz.
Cevap dosyasını hazırlayın ve gönderin
Son adım. Artık hangi modeli kullanacağımıza karar verdik; o yüzden modeli 891 yolcunun tamamıyla yeniden eğitip test yolcuları için tahmin üretiyoruz.
model = RandomForestClassifier(n_estimators=200, random_state=42)
model.fit(X, y) # bu sefer tum 891 yolcu ile
X_test = te[sutunlar]
sonuc = pd.DataFrame({
"PassengerId": te["PassengerId"],
"Survived": model.predict(X_test)
})
sonuc.to_csv("submission.csv", index=False)
print(sonuc.shape)
sonuc.head()
(418, 2) PassengerId Survived 0 892 0 1 893 0 2 894 0 3 895 0 4 896 1
• 418 satır var mı? (test verisi 418 yolcuydu) ✓
• Sütun adları tam olarak PassengerId ve Survived mı? ✓
• index=False yazmayı unutmadık mı? (yazmazsak dosyaya fazladan bir sütun eklenir ve Kaggle kabul etmez) ✓
Göndermek için: Sağ üstten Save Version → Save & Run All. Çalışma bitince Output bölümünde submission.csv görünür; yanındaki Submit düğmesine basın. Birkaç saniye içinde puanınız çıkar.
Hiç model kurmadan, sadece “bütün kadınlar kurtuldu, bütün erkekler kurtulamadı” desek Kaggle bize 0,765 puan verir. Bizim modelimiz bunun biraz üstünde çıkıyor.
Bu size garip gelebilir ama çok değerli bir derstir: basit bir kural bazen karmaşık bir modele çok yakın sonuç verir. Bu yüzden her projede önce basit bir şey deneyin — modelinizin geçmesi gereken çizgi odur.
Sonucu okumak: doğruluk yeterli mi?
“%80 doğruluk aldım” cümlesi tek başına pek bir şey anlatmaz. Asıl soru şudur: model hangi hatayı yapıyor?
Karmaşıklık matrisi
Modelin yaptığı hataları dört kutuda gösteren küçük bir tablodur. Korkutucu adına bakmayın, anlaşılması çok kolaydır:
from sklearn.metrics import confusion_matrix print(confusion_matrix(y_sinav, tahmin))
✅ Doğru bildiklerimiz
Kurtulamayan birine “kurtulamadı”, kurtulan birine “kurtuldu” dedik. Bu iki kutu ne kadar doluysa o kadar iyi.
❌ İki farklı hata
Yanlış alarm: Kurtulamayan birine “kurtuldu” dedik.
Kaçırma: Kurtulan birine “kurtulamadı” dedik.
Bu ikisi aynı şey değildir ve çoğu zaman biri diğerinden çok daha pahalıdır.
• Yanlış alarm: Hasta olmayan birine “hasta olabilirsin” dedik → kişi tedirgin olur, ek bir test yapılır. Can sıkıcı ama telafi edilebilir.
• Kaçırma: Gerçekten hasta olan birine “sağlıklısın” dedik → çok daha kötü.
İki hatanın bedeli eşit değilse, modelin ayarını da buna göre yapmamız gerekir. Aşağıdaki alıştırma tam olarak bunu gösteriyor.
Model aslında “evet/hayır” demiyor
İşin az bilinen bir yanı var: model aslında bir yüzde üretir — “bu yolcunun kurtulma ihtimali %73” gibi. Sonra Python bunu %50'de kesip evet/hayır'a çevirir. Ama bu %50'yi biz değiştirebiliriz:
# Modelin verdigi yuzdelere bakalim ihtimal = model.predict_proba(X_sinav)[:, 1] print(ihtimal[:5].round(2)) # ornek: [0.12 0.89 0.45 0.07 0.63] # Python'un sessizce yaptigi sey tam olarak budur: tahmin = (ihtimal >= 0.50).astype(int) # Ama kesme noktasini biz de secebiliriz: tahmin = (ihtimal >= 0.35).astype(int) # daha az kacirma, daha cok yanlis alarm
40 yolcu var. Her nokta bir yolcu: sola yakın olanlara model düşük kurtulma ihtimali vermiş, sağa yakın olanlara yüksek. Yeşil noktalar gerçekten kurtulanlar, kırmızı noktalar kurtulamayanlar. Mavi çizginin sağında kalan herkese “kurtuldu” diyoruz.
dedik
dedik
kurtuldu
kurtulamadı
Kitaplarda bu iki ölçünün adı duyarlılık (recall) ve kesinlik (precision) diye geçer. Adlarını şimdi ezberlemeyin; ne işe yaradıklarını anlamanız yeterli. 5. haftada ayrıntılı göreceğiz.
Model karar verirken ne yapıyor?
Şimdiye kadar modeli kapalı bir kutu gibi kullandık: veriyi verdik, cevap aldık. Peki içeride ne oluyor? Aşağıdaki alıştırma bunu gözle görülür hâle getiriyor.
Yolcuların sadece iki bilgisini bıraktık: yaşı ve bilet ücreti. Böylece hepsini tek bir grafiğe yerleştirebiliyoruz. Model grafiği bölgelere ayırıyor: yeşil bölgeye düşen yolcuya “kurtuldu”, kırmızı bölgeye düşene “kurtulamadı” diyor.
Kullandığımız yöntem KNN (en yakın komşular): yeni bir yolcu geldiğinde ona en çok benzeyen k kişiye bakıp çoğunluğun durumuna göre karar veriyor. Mahalleye yeni taşınan birinin “burası nasıl bir yer?” diye en yakın komşularına sorması gibi.
Daireler: modelin öğrendiği 34 yolcu. Kareler: modelin hiç görmediği 20 sınav yolcusu. Kaydıracı oynatıp modelin kaç komşuya danıştığını değiştirin.
• k = 1 → öğrendiği yolcularda %100, sınavda sadece %80. Model ezberlemiş. Buna aşırı öğrenme (overfitting) denir.
• k = 5 ile 13 arası → en iyi bölge. Model genel kuralı yakalamış.
• k = 21 ve üstü → ikisi birden %55'e düşüyor. Model artık herkese aynı cevabı veriyor. Buna eksik öğrenme (underfitting) denir.
Yani ne çok az, ne çok fazla. Bu denge makine öğrenmesinin en temel konusudur ve 5. haftada ayrıntılı işleyeceğiz.
Soru: Öğrendiği yolcularda %100 doğruluk alan bir model neden iyi değildir?
Sık yapılan altı hata
Ödeve başlamadan bir kez, teslim etmeden önce bir kez daha okuyun.
1 · Taban çizgisini hesaplamamak
“%87 aldım!” Peki satırların %88'i tek bir kutudaysa? O zaman hiçbir şey öğrenmemişsiniz demektir. İlk hesaplayacağınız şey value_counts(normalize=True) olsun.
2 · Eğitim verisindeki skoru rapor etmek
Modeli eğittiğiniz yolcularda ölçtüğünüz doğruluk bir başarı değildir. Raporunuzdaki sayı her zaman ayırdığınız sınav verisinden gelmelidir.
3 · Sadece doğruluğa bakmak
Dolandırıcılık verisinde %99,8 doğruluk, “hiç dolandırıcılık yok” diyen modelin skorudur. Mutlaka karmaşıklık matrisine de bakın.
4 · Kimlik sütununu modele vermek
PassengerId, musteri_no, sıra numarası… Bunlar bilgi taşımaz, sadece modeli şaşırtır. Kullanacağınız sütunları elle seçin — örnekte de öyle yaptık.
5 · Cevabı ele veren sütunu fark etmemek
Hastalığı tahmin ederken “uygulanan tedavi” sütununu kullanmak gibi. O bilgi karar anında elinizde olmazdı. Doğruluğunuz %99 çıkıyorsa sevinmeden önce böyle bir sütun arayın.
6 · Sonucu yorumlamadan teslim etmek
Altı model çalıştırıp tek cümle yorum yazan ödev, iki model çalıştırıp yarım sayfa dürüst yorum yazan ödevden düşük not alır. Kod çalıştırmak kolay, anlamını söylemek zordur.
Bu haftanın ödevi
Yukarıdaki Titanic örneğinin aynısını, kendi seçtiğiniz bir veri setiyle yapacaksınız. Yeni bir şey öğrenmenize gerek yok — sadece aynı adımları tekrarlayın.
Kaggle hesabınızı açın ve örneği kendiniz çalıştırın
Hesap açın, profili doldurun, telefonu doğrulayın. Sonra bu ders notundaki Titanic örneğini baştan sona kendiniz yazarak çalıştırın ve en az bir kez Submit edin.
- Teslim: Kaggle profil bağlantınız ve aldığınız puanın ekran görüntüsü.
- Not: Puanın yüksek olması önemli değil. Burada ölçtüğümüz şey ortamı kullanabilmeniz.
Kendinize bir veri seti seçin
Kaggle Datasets bölümünden bir sınıflandırma veri seti seçin. Şu şartları sağlamalı:
- En az 500 satır olsun.
- Tahmin edeceğiniz cevap sütunu belli olsun.
- Lisansı yazıyor olsun (Unknown olmasın).
- İçinde isim, TC no gibi kişisel bilgi olmasın.
Konu fikirleri: e-posta veya SMS spam tespiti, müşterinin aboneliği bırakıp bırakmayacağı, çalışanın işten ayrılıp ayrılmayacağı, ürün yorumunun olumlu mu olumsuz mu olduğu, şarap kalitesi, mantarın zehirli olup olmadığı, banka kredisinin geri ödenip ödenmeyeceği.
Titanic örneğindeki adımları tekrarlayın
Kaggle'da herkese açık (public) bir notebook hazırlayın. Şu sırayı izleyin ve her bölümün başına Markdown hücresiyle bir başlık atın:
- Problem: Neyi tahmin ediyorsunuz? Bu model kime ne fayda sağlar? (3–4 cümle yeter.)
- Veri: Veri setinin bağlantısı, lisansı, kaç satır ve kaç sütun olduğu.
- İnceleme: Eksik değerler ve kutuların dağılımı. En az bir grafik çizin ve altına bir cümle yorum yazın.
- Taban çizgisi: En kalabalık kutunun oranı. Bu sayı raporda olmak zorunda.
- Hazırlık: Yazı sütunlarını sayıya çevirin, boşlukları doldurun, kullanacağınız sütunları seçin.
- Bölme: train_test_split ile %20'sini sınav için ayırın.
- Model: En az iki model eğitip doğruluklarını karşılaştırın.
- Karmaşıklık matrisi: Yazdırın ve hangi hatayı daha çok yaptığını bir cümleyle söyleyin.
- Sonuç: Taban çizgisini geçtiniz mi, ne kadar? Model nerede yanılıyor?
Bitince Save Version → Save & Run All yapın (kodun baştan sona çalıştığının kanıtı) ve notebook'u Public hâle getirin.
Teslim
- Public notebook bağlantısı (kaggle.com/code/... ile başlayan adres).
- Bir sayfalık rapor (PDF): problem, veri seti ve lisansı, taban çizgisi, denediğiniz modeller ve skorları, en önemli bir bulgunuz.
| Denediğim model | Doğruluk | Taban çizgisini geçti mi? |
|---|---|---|
| Taban çizgisi (en kalabalık kutu) | … | — |
| Karar ağacı | … | … |
| İkinci modeliniz | … | … |
Değerlendirme (100 puan)
| Ölçüt | Ne arıyorum | Puan |
|---|---|---|
| Veri seti seçimi | Şartlara uygun; kaynağı ve lisansı yazılmış. | 15 |
| İnceleme | Eksik değerlere ve kutu dağılımına bakılmış; en az bir yorumlanmış grafik var. | 15 |
| Taban çizgisi | Hesaplanmış ve modelin skoruyla karşılaştırılmış. | 15 |
| Hazırlık ve bölme | Yazılar sayıya çevrilmiş, boşluklar doldurulmuş, veri eğitim/sınav diye bölünmüş. | 20 |
| Model ve matris | En az iki model denenmiş; karmaşıklık matrisi yazdırılmış. | 20 |
| Yorum | Sonuç kendi cümlelerinizle açıklanmış; modelin nerede yanıldığı söylenmiş. | 10 |
| Düzen | Notebook baştan sona çalışıyor, public ve başlıklara ayrılmış. | 5 |
- Titanic ve Iris yasak. İkisinin de internette hazır çözümü çok fazla; ödev ölçme özelliğini kaybeder.
- Başkasının notebook'unu kaynak göstermeden teslim etmek. Başkasının kodundan yararlanmak serbesttir — ama bağlantısını yazın ve neyi değiştirdiğinizi anlatın.
- Taban çizgisi hesaplanmamış ödev.
- Çalışmayan notebook. Teslimden önce Save & Run All yapıp hata çıkmadığını görün.
Özet ve ders akışı
read_csv
eksikler, kutular
en kalabalık kutu
sayıya çevir, doldur
eğitim / sınav
fit
doğruluk + matris
nerede yanılıyor?
Bu haftanın sekiz cümlesi
Dersten sonra tek başınıza yapın
4 saatlik önerilen ders akışı
| Süre | Bölüm | Konu |
|---|---|---|
| 0–30 dk | 01–02 | Sınıflandırma nedir? Posta kutusu benzetmesi ve örnek tablo. Alıştırma 1 tahtada, cevapları öğrencilere sorarak. |
| 30–55 dk | 03–04 | Veri kaynakları canlı olarak gezilir. Lisans ve uydurma veri uyarısı. |
| 55–85 dk | 05–06 | Kaggle tanıtımı. Hesap açma ve telefon doğrulama sınıfta birlikte yapılır. Herkes bir notebook açar. |
| 85–95 dk | — | Ara |
| 95–175 dk | 07 | Titanic örneği. Hücreler birlikte yazılır, her adımda “sizce ne çıkacak?” diye sorulur. Herkes bir Submit yapar. |
| 175–205 dk | 08–09 | Alıştırma 2 ve 3. Karmaşıklık matrisi, iki hata türü ve ezberleme sorunu. |
| 205–220 dk | 10 | Sık yapılan altı hata. |
| 220–240 dk | 11 | Ödevin anlatılması ve veri seti seçiminin başlatılması. |
Bu hafta tablo verisiyle çalıştık: satırlar, sütunlar, sayılar. 4. haftada girdi değişiyor — artık elimizde fotoğraf olacak. Görüntünün aslında bir sayı tablosu olduğunu göreceğiz, OpenCV ile filtreler yazacağız ve filtreyi kendisi öğrenen ağlarla (CNN) tanışacağız.
Final soru: Bir arkadaşınız “modelim %94 doğruluk aldı” diyor. Hangi iki soruyu sorarsınız?
2 · “Bu sayıyı hangi veriyle ölçtün?” Modeli eğittiği satırlarla ölçtüyse o sayının bir anlamı yok; sınav için ayırdığı veriyle ölçmüş olması gerekir.
Bu iki soru, bu dersten hatırlamanız gereken en değerli şeydir.