# Sınıflandırmaya Giriş Bu dört derste, klasik makine öğreniminin temel odak noktalarından biri olan _sınıflandırmayı_ keşfedeceksiniz. Asya ve Hindistan'ın tüm muhteşem mutfakları hakkında bir veri seti kullanarak çeşitli sınıflandırma algoritmalarını inceleyeceğiz. Umarım acıkmışsınızdır!  > Bu derslerde pan-Asya mutfaklarını kutlayın! Görsel: [Jen Looper](https://twitter.com/jenlooper) Sınıflandırma, regresyon teknikleriyle birçok ortak noktası olan bir [denetimli öğrenme](https://wikipedia.org/wiki/Supervised_learning) türüdür. Makine öğrenimi, veri setlerini kullanarak değerleri veya şeylere isimler tahmin etmekle ilgiliyse, sınıflandırma genellikle iki gruba ayrılır: _ikili sınıflandırma_ ve _çok sınıflı sınıflandırma_. [](https://youtu.be/eg8DJYwdMyg "Sınıflandırmaya giriş") > 🎥 Yukarıdaki görsele tıklayarak bir video izleyin: MIT'den John Guttag sınıflandırmayı tanıtıyor Unutmayın: - **Doğrusal regresyon**, değişkenler arasındaki ilişkileri tahmin etmenize ve yeni bir veri noktasının bu çizgiyle ilişkili olarak nerede yer alacağını doğru bir şekilde tahmin etmenize yardımcı oldu. Örneğin, _Eylül ve Aralık aylarında bir kabağın fiyatını_ tahmin edebilirsiniz. - **Lojistik regresyon**, "ikili kategorileri" keşfetmenize yardımcı oldu: bu fiyat noktasında, _bu kabak turuncu mu yoksa turuncu değil mi_? Sınıflandırma, bir veri noktasının etiketini veya sınıfını belirlemenin diğer yollarını belirlemek için çeşitli algoritmalar kullanır. Bu mutfak verileriyle çalışarak, bir grup malzemeyi gözlemleyerek hangi mutfağa ait olduğunu belirleyip belirleyemeyeceğimizi görelim. ## [Ders Öncesi Test](https://ff-quizzes.netlify.app/en/ml/) > ### [Bu ders R dilinde de mevcut!](../../../../4-Classification/1-Introduction/solution/R/lesson_10.html) ### Giriş Sınıflandırma, makine öğrenimi araştırmacısının ve veri bilimcisinin temel faaliyetlerinden biridir. Basit bir ikili değerin sınıflandırılmasından ("bu e-posta spam mi değil mi?"), bilgisayarla görme kullanarak karmaşık görüntü sınıflandırma ve segmentasyona kadar, verileri sınıflara ayırmak ve onlara sorular sormak her zaman faydalıdır. Bu süreci daha bilimsel bir şekilde ifade etmek gerekirse, sınıflandırma yöntemi, giriş değişkenleri ile çıkış değişkenleri arasındaki ilişkiyi haritalamanızı sağlayan bir tahmin modeli oluşturur.  > Sınıflandırma algoritmalarının ele alması gereken ikili ve çok sınıflı problemler. Görsel: [Jen Looper](https://twitter.com/jenlooper) Verilerimizi temizleme, görselleştirme ve makine öğrenimi görevlerimize hazırlama sürecine başlamadan önce, makine öğreniminin verileri sınıflandırmak için kullanılabileceği çeşitli yollar hakkında biraz bilgi edinelim. [İstatistikten](https://wikipedia.org/wiki/Statistical_classification) türetilen klasik makine öğrenimi ile sınıflandırma, `sigara içen`, `kilo` ve `yaş` gibi özellikleri kullanarak _X hastalığını geliştirme olasılığını_ belirler. Daha önce gerçekleştirdiğiniz regresyon egzersizlerine benzer bir denetimli öğrenme tekniği olarak, verileriniz etiketlenir ve makine öğrenimi algoritmaları bu etiketleri bir veri setinin sınıflarını (veya 'özelliklerini') sınıflandırmak ve tahmin etmek ve bunları bir gruba veya sonuca atamak için kullanır. ✅ Bir mutfak hakkında bir veri seti hayal etmek için bir dakikanızı ayırın. Çok sınıflı bir model neyi cevaplayabilir? İkili bir model neyi cevaplayabilir? Belirli bir mutfağın çemen otu kullanma olasılığını belirlemek isteseydiniz ne olurdu? Ya yıldız anason, enginar, karnabahar ve yaban turpu dolu bir market çantası hediye edilseydi ve tipik bir Hint yemeği yapıp yapamayacağınızı görmek isteseydiniz? [](https://youtu.be/GuTeDbaNoEU "Çılgın gizemli sepetler") > 🎥 Yukarıdaki görsele tıklayarak bir video izleyin. 'Chopped' adlı programın tüm temeli, şeflerin rastgele seçilmiş malzemelerden bir yemek yapması gereken 'gizemli sepet' üzerine kuruludur. Kesinlikle bir makine öğrenimi modeli yardımcı olurdu! ## Merhaba 'sınıflandırıcı' Bu mutfak veri setine sormak istediğimiz soru aslında bir **çok sınıflı soru**, çünkü çalışabileceğimiz birkaç potansiyel ulusal mutfak var. Bir grup malzeme verildiğinde, bu birçok sınıftan hangisine veri uyacak? Scikit-learn, çözmek istediğiniz problemin türüne bağlı olarak verileri sınıflandırmak için kullanabileceğiniz birkaç farklı algoritma sunar. Önümüzdeki iki derste, bu algoritmalardan birkaçını öğreneceksiniz. ## Egzersiz - Verilerinizi temizleyin ve dengeleyin Bu projeye başlamadan önceki ilk görev, daha iyi sonuçlar elde etmek için verilerinizi temizlemek ve **dengelemektir**. Bu klasörün kökündeki boş _notebook.ipynb_ dosyasıyla başlayın. İlk olarak yüklemeniz gereken şey [imblearn](https://imbalanced-learn.org/stable/). Bu, verileri daha iyi dengelemenizi sağlayacak bir Scikit-learn paketidir (bu görev hakkında birazdan daha fazla bilgi edineceksiniz). 1. `imblearn` yüklemek için, aşağıdaki gibi `pip install` komutunu çalıştırın: ```python pip install imblearn ``` 1. Verilerinizi içe aktarmak ve görselleştirmek için gereken paketleri içe aktarın, ayrıca `imblearn`'den `SMOTE`'yi içe aktarın. ```python import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np from imblearn.over_sampling import SMOTE ``` Şimdi verileri içe aktarmaya hazırsınız. 1. Bir sonraki görev, verileri içe aktarmaktır: ```python df = pd.read_csv('../data/cuisines.csv') ``` `read_csv()` kullanarak _cusines.csv_ dosyasının içeriğini okuyabilir ve bunu `df` değişkenine yerleştirebilirsiniz. 1. Verilerin şekline bakın: ```python df.head() ``` İlk beş satır şöyle görünür: ```output | | Unnamed: 0 | cuisine | almond | angelica | anise | anise_seed | apple | apple_brandy | apricot | armagnac | ... | whiskey | white_bread | white_wine | whole_grain_wheat_flour | wine | wood | yam | yeast | yogurt | zucchini | | --- | ---------- | ------- | ------ | -------- | ----- | ---------- | ----- | ------------ | ------- | -------- | --- | ------- | ----------- | ---------- | ----------------------- | ---- | ---- | --- | ----- | ------ | -------- | | 0 | 65 | indian | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | ... | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | | 1 | 66 | indian | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | ... | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | | 2 | 67 | indian | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | ... | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | | 3 | 68 | indian | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | ... | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | | 4 | 69 | indian | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | ... | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | ``` 1. Bu veri hakkında bilgi almak için `info()` çağırın: ```python df.info() ``` Çıktınız şu şekilde görünür: ```output RangeIndex: 2448 entries, 0 to 2447 Columns: 385 entries, Unnamed: 0 to zucchini dtypes: int64(384), object(1) memory usage: 7.2+ MB ``` ## Egzersiz - Mutfaklar hakkında bilgi edinme Şimdi işler daha ilginç hale gelmeye başlıyor. Verilerin dağılımını, mutfak başına keşfedelim. 1. Verileri çubuklar olarak çizmek için `barh()` çağırın: ```python df.cuisine.value_counts().plot.barh() ```  Sınırlı sayıda mutfak var, ancak veri dağılımı eşit değil. Bunu düzeltebilirsiniz! Bunu yapmadan önce biraz daha keşfedin. 1. Mutfak başına ne kadar veri olduğunu öğrenin ve yazdırın: ```python thai_df = df[(df.cuisine == "thai")] japanese_df = df[(df.cuisine == "japanese")] chinese_df = df[(df.cuisine == "chinese")] indian_df = df[(df.cuisine == "indian")] korean_df = df[(df.cuisine == "korean")] print(f'thai df: {thai_df.shape}') print(f'japanese df: {japanese_df.shape}') print(f'chinese df: {chinese_df.shape}') print(f'indian df: {indian_df.shape}') print(f'korean df: {korean_df.shape}') ``` Çıktı şu şekilde görünür: ```output thai df: (289, 385) japanese df: (320, 385) chinese df: (442, 385) indian df: (598, 385) korean df: (799, 385) ``` ## Malzemeleri Keşfetme Şimdi verileri daha derinlemesine inceleyebilir ve her mutfak için tipik malzemelerin neler olduğunu öğrenebilirsiniz. Mutfaklar arasında kafa karışıklığı yaratan tekrarlayan verileri temizlemelisiniz, bu sorunu öğrenelim. 1. Python'da bir `create_ingredient()` fonksiyonu oluşturun. Bu fonksiyon, yararsız bir sütunu kaldırarak ve malzemeleri sayısına göre sıralayarak bir malzeme veri çerçevesi oluşturacaktır: ```python def create_ingredient_df(df): ingredient_df = df.T.drop(['cuisine','Unnamed: 0']).sum(axis=1).to_frame('value') ingredient_df = ingredient_df[(ingredient_df.T != 0).any()] ingredient_df = ingredient_df.sort_values(by='value', ascending=False, inplace=False) return ingredient_df ``` Şimdi bu fonksiyonu kullanarak her mutfak için en popüler on malzeme hakkında bir fikir edinebilirsiniz. 1. `create_ingredient()` çağırın ve `barh()` çağırarak çizin: ```python thai_ingredient_df = create_ingredient_df(thai_df) thai_ingredient_df.head(10).plot.barh() ```  1. Japon verileri için aynısını yapın: ```python japanese_ingredient_df = create_ingredient_df(japanese_df) japanese_ingredient_df.head(10).plot.barh() ```  1. Şimdi Çin malzemeleri için: ```python chinese_ingredient_df = create_ingredient_df(chinese_df) chinese_ingredient_df.head(10).plot.barh() ```  1. Hint malzemelerini çizin: ```python indian_ingredient_df = create_ingredient_df(indian_df) indian_ingredient_df.head(10).plot.barh() ```  1. Son olarak, Kore malzemelerini çizin: ```python korean_ingredient_df = create_ingredient_df(korean_df) korean_ingredient_df.head(10).plot.barh() ```  1. Şimdi, `drop()` çağırarak farklı mutfaklar arasında kafa karışıklığı yaratan en yaygın malzemeleri kaldırın: Herkes pirinç, sarımsak ve zencefili sever! ```python feature_df= df.drop(['cuisine','Unnamed: 0','rice','garlic','ginger'], axis=1) labels_df = df.cuisine #.unique() feature_df.head() ``` ## Veri Setini Dengeleme Verileri temizledikten sonra, [SMOTE](https://imbalanced-learn.org/dev/references/generated/imblearn.over_sampling.SMOTE.html) - "Sentetik Azınlık Aşırı Örnekleme Tekniği" - kullanarak dengeleyin. 1. `fit_resample()` çağırın, bu strateji interpolasyon yoluyla yeni örnekler oluşturur. ```python oversample = SMOTE() transformed_feature_df, transformed_label_df = oversample.fit_resample(feature_df, labels_df) ``` Verilerinizi dengeleyerek, sınıflandırırken daha iyi sonuçlar elde edersiniz. İkili bir sınıflandırmayı düşünün. Verilerinizin çoğu bir sınıfsa, bir makine öğrenimi modeli bu sınıfı daha sık tahmin edecektir, çünkü bu sınıf için daha fazla veri vardır. Verilerin dengelenmesi, herhangi bir dengesizliği alır ve bu dengesizliği ortadan kaldırmaya yardımcı olur. 1. Şimdi malzeme başına etiket sayısını kontrol edebilirsiniz: ```python print(f'new label count: {transformed_label_df.value_counts()}') print(f'old label count: {df.cuisine.value_counts()}') ``` Çıktınız şu şekilde görünür: ```output new label count: korean 799 chinese 799 indian 799 japanese 799 thai 799 Name: cuisine, dtype: int64 old label count: korean 799 indian 598 chinese 442 japanese 320 thai 289 Name: cuisine, dtype: int64 ``` Veriler güzel, temiz, dengeli ve çok lezzetli! 1. Son adım, dengelenmiş verilerinizi, etiketler ve özellikler dahil olmak üzere, bir dosyaya aktarılabilecek yeni bir veri çerçevesine kaydetmektir: ```python transformed_df = pd.concat([transformed_label_df,transformed_feature_df],axis=1, join='outer') ``` 1. Bu verileri `transformed_df.head()` ve `transformed_df.info()` kullanarak bir kez daha inceleyebilirsiniz. Gelecek derslerde kullanmak üzere bu verilerin bir kopyasını kaydedin: ```python transformed_df.head() transformed_df.info() transformed_df.to_csv("../data/cleaned_cuisines.csv") ``` Bu yeni CSV artık kök veri klasöründe bulunabilir. --- ## 🚀Meydan Okuma Bu müfredat birkaç ilginç veri seti içeriyor. `data` klasörlerini inceleyin ve ikili veya çok sınıflı sınıflandırmaya uygun veri setleri içerip içermediğini görün. Bu veri setine hangi soruları sorardınız? ## [Ders Sonrası Test](https://ff-quizzes.netlify.app/en/ml/) ## Gözden Geçirme ve Kendi Kendine Çalışma SMOTE'nin API'sini keşfedin. Hangi kullanım durumları için en iyi şekilde kullanılır? Hangi sorunları çözer? ## Ödev [Sınıflandırma yöntemlerini keşfedin](assignment.md) --- **Feragatname**: Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.