Hızlı Erişim


Bu Dergi DOI ve Crosscheck üyesidir


ZOO VERİ SETİ ÜZERİNDE kNN ALGORİTMASININ ÖĞRENME BAŞARISININ TESPİT EDİLMESİ
(DETERMINING LEARNING SUCCESS of kNN ALGORITHM on ZOO DATASET )

Yazar : Ahmet ÇELİK    
Türü :
Baskı Yılı : 2021
Sayı : 18
Sayfa : 78-82
    


Özet

İnsanlar çevresini inceleyerek, gözlem yaparak, araştırarak öğrenmektedir. Bu öğrendiklerinden aslında tecrübe kazanmaktadır. Kazandıkları tecrübelerini kullanarak, karşılaştığı yeni duruma uyum sağlamakta ve kararlar verebilmektedir İnsanlar nesneleri tanımlarken, sınıflandırma yaparken hep önceki bilgileriyle kıyaslama yaparak kararlar vermektedir. Önceden öğrendiği nesnelere benzerlik ve farklılıklar karar vermede çok etkilidir. Tecrübeye dayalı öğrenme yönteminin makineler üzerinde de kullanılabileceği yapılan çalışmalarda gösterilmiştir Yapısında makine öğrenme yöntemlerini kullanan akıllı makineler veya cihazlar birçok alanda yaygın olarak kullanılmaktadır. Makine öğrenmesi farklı algoritmalar kullanılarak gerçekleştirilebilmektedir. Bu algoritmalar karar verirken veri seti içindeki nesnelerin öz niteliklerini kullanmaktadır. Nesnelerin öz niteliklerindeki benzerlik ve farklılıklar önceki tecrübelerle kıyaslanarak elde edilmektedir. Kıyaslama sonucu, karar verilerek nesnelerin sınıfları hakkında tahminler oluşturulmaktadır Bu çalışmada, Zoo veri seti üzerinde denetimli öğrenme yöntemi olan kNN makine öğrenme algoritması kullanılmıştır. Bu veri setinde yaygın karşılaşılan canlıların öznitelikleri bulunmaktadır. Bu öznitelikler kullanılarak veri setindeki canlıların sınıfları belirlenmektedir. kNN algoritmasında seçilen “k” komşu değeri ve ağırlık parametresi öğrenme başarısını etkilemektedir. Yapılan bu çalışmada, kNN algoritmasında kullanılan iki parametrenin öğrenme başarısına etkisi gösterilmiştir. Elde edilen sonuçlara göre “k=1” komşu değeri ve “Distance Ağırlık” parametresi seçilerek en yüksek başarı sonucu elde edilmiştir.



Anahtar Kelimeler
Makine Öğrenmesi, kNN Algoritması, Sınıflandırma, Tahmin, Zoo Veri Seti, Ağırlık Parametresi

Abstract

People learn by examining, observing and researching their environment. They actually gains experience from what they have learned. By using the experience they have gained, they can adapt to the new situation they encounter and make decisions. People always make decisions by comparing their previous knowledge while describing objects and classifying them. Similarities and differences to previously learned objects are very effective in decision making. It has been shown in the studies that the experiential learning method can also be used on machines. Intelligent machines and devices that use machine learning methods in their structure are widely used in many areas. Machine learning can be performed using different algorithms. These algorithms use the attributes of the objects in the data set when making decisions. Similarities and differences in the attributes of objects are obtained by comparing them with previous experiences. As a result of the comparison, a decision is made and predictions are made about the classes of the objects. In this study, kNN machine learning algorithm, which is a supervised learning method, was used on the Zoo dataset. In this data set, there are attributes of common living things. By using these attributes, the classes of living things in the data set are determined. The “k” neighbor value and weight parameter selected in the kNN algorithm affect the learning success. In this study, the effect of two parameters used in the kNN algorithm on learning success is shown. According to the results obtained, the "k=1" neighbor value and the "Distance Weight" parameter were selected and the highest success result was obtained.



Keywords
Machine Learning, kNN Algorithm, Classification, Prediction, Zoo Dataset, Weight Parameter

Gelişmiş Arama


Duyurular

    ***********************

    DEĞERLİ BİLİM 

    İNSANLARI!

    mail mail mail mail mail

    Dergimizin Kasım sayısı 

    (25.11.2021)

    yayınlanmıştır.

    mail mail mail mail mail

    DEĞERLİ BİLİM 

    İNSANLARI!

    mail mail mail mail mail

    Dergimizin

    Aralık Sayısı 

    İçin Makalenizi  

    Sisteme Yükleyebilirsiniz.

    mail mail mail mail mail

     



Adres :Göztepe Mah., Beykoz, İstanbul/TURKEY
Telefon : Whatsapp: +90 555 005 92 85 Faks :+90 216 606 32 75
Eposta :info@euroasiajournal.org

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri