Denetimli öğrenme nedir?

Detaylı açıklama

Denetimli öğrenme (gözetimli öğrenme olarak da geçer), makine öğreniminin en yaygın alt dallarından biridir. Yöntemde bir eğitim kümesi hazırlanır ve bu kümedeki her örnek için beklenen sonuç, yani etiket de verilir. Algoritma girdi ile çıktı arasındaki ilişkiyi bu örneklerden öğrenir ve parametrelerini hata azalana kadar ayarlar. Eğitim bittikten sonra model, ayrılmış test verisiyle sınanır ve daha önce görmediği örneklerde ne kadar doğru tahmin yaptığına bakılır. Bu başarıya genelleme denir. Denetimli öğrenme görevleri genel olarak ikiye ayrılır. Sınıflandırmada veri kategorilere ayrılır, örneğin bir e-postanın istenmeyen posta olup olmadığı belirlenir. Regresyonda ise satış geliri gibi sürekli bir değer tahmin edilir. Doğrusal regresyon, karar ağaçları, destek vektör makineleri, k-en yakın komşu ve rastgele orman sık kullanılan algoritmalar arasındadır. Yöntemin en büyük avantajı, etiketli veriyle yüksek doğrulukta modeller kurulabilmesidir. En büyük zorluğu ise etiketli verinin hazırlanmasının zaman alıcı ve maliyetli olmasıdır. Ayrıca model eğitim verisine fazla uyum sağlarsa (aşırı öğrenme) yeni verilerde başarısız olabilir. Etiketlerdeki insan hataları ve önyargılar da modele geçebilir. Bu nedenle modeller, eğitimde kullanılmayan verilerle test edilmelidir.

Kullanım örneği

Bir e-posta uygulaması, kullanıcıların daha önce 'spam' ya da 'spam değil' diye işaretlediği binlerce iletiyle eğitilir. Model bu örneklerden ortak özellikleri öğrenir ve gelen yeni bir e-postanın istenmeyen posta olup olmadığını kendisi tahmin eder.