Yapay Zeka ile Öğrenme (Machine Learning) Terimleri

Aug 03 2016 Published by under machine learning

Machine Learning: “Field of study that gives computers the ability to learn without being explicitly programmed” , Arthur Samuel

Bilgisayarların dışarıdan programlanmaya ihtiyaç duymadan kendi kendine öğrenme yeteneğine “machine learning” denir.

Feature: In machine learning and pattern recognition, a feature is an individual measurable property of a phenomenon being observed.

Yapay zeka ile öğrenmede birbirinden bağımsız her bir ölçülebilir ve gözlemlenebilir özelliğe “feature” denir.

Data Sampling: Data sampling is a statistical analysis technique used to select, manipulate and analyse a representative subset of data points in order to identify patterns and trends in the larger data set being examined.

Veri sadeleştirme bir veriden temsili bir alt küme çıkarmak için kullanılan istatistiksel analiz tekniğidir. Büyük veri kümesindeki ortak özellikleri alt kümenin de barındırması gerekir.

Training: a training set is a set of data used to discover potentially predictive relationships

Yapay zeka ile öğrenmede eğitim verisi, tahminde bulunmak ve makinenin öğrenmesi için kullanılan veri kümesidir.

ML Model: You can use the ML model to get predictions on new data for which you do not know the target

Eğitim verisiyle eğitilen ve yeni veri hakkında tahmin yürüten yapay zekaya “machine learning model” denir.

Cross Validation: a model validation technique for assessing how the results of a statistical analysis will generalize to an independent data set

Bağımsız veriyle modeli doğrulama tekniğine “cross validation” denir.

Comments are off for this post