çoklu sınıflandırma yaparken logistic regresyon kullanılır mı ? y değerleri 4-5 farklı class olunca nası yapcaz, 1,2,3,4 falan desek diğeri onun 4 katı olarak algılamadan y değerlerine nası atarız ? 2. olarak da gender M ve F ikili sınıflandırmasında y değerleri M ve Y olarak bırakmak olmaz demi 1,0 mı yapmak gerekir bi yerde M ve Y olarak bırakmış da
Coklu siniflandirma icin lojistik regresyon kullanilir. Bunu yaparken bire karsi digerleri teknigini kullanir. Scikit learndeki Labelencoder ile 0 ve 1 cevirebilirsin. Bazi kutuphanler bunu otomatik yapiyor. Makine ogrenmesi ile ilgili sorularini veribilimi.quora.com yazarsaniz cevaplardan herkes faydalanir 👍
logistic regresyon da çizgi çekiyo ya bunu polynomal hale getirip x kare x küp falan ekleyebilir miyiz öyle denemeler yapmak iyi olur mu ? ve polynomal features içinde degree ayarlayıp train teste onu uygulayıp mı yaoabiliriz ?
Makine ogrenmesinde amac en iyi modeli bulmak. Veri setini tanidiktan sonra model kurmaya lineer model gibi basitten baslayip zora dogru denemeler yaparsiniz. Lojistik regresyon ile polinom regresyon ayri. Featurelarin karesi ya da kupunu alarak en iyi modeli bulmaya calisabilirsin.
Peki LinearRegression kullanacak olursak ve verileri regülerleştirme yapacaksak C değğerini nasıl değiştirebiliriz? LinearRegression sınıfında C argümanı yok sanırım
@@TirendazAkademi yanıtınız için teşekkür ederim. Hocam Feature olarak kullanacaksan Label encoder , çıkış için kullanacaksan One Hot Encoder yap demişti. Siz ne düşünüyorsunuz ?
Hocam burda 2 tane sorum olacak; 1. age, özniteliğinde toplam 264 tane NaN veri vardı. Bu verileri silmek yerine ortalama, medyan, önceki/sonraki değer veya IQR çeyrek açıklık yöntemi gibi bir değer ile doldurmak daha mantıklı bir seçim olabilir miydi ? 2. pclass = pd.get_dummies(veri["pclass"], drop_first=True) kodunda drop_first=True kodu ile örneğin 1. sınıf'a ait olan değerleri verisetinde gözardı ettik. İnşallah bu güzel emeğinize yakışır dikkatlice sorulmuş sorular olmuştur hocam !
Cok guzel ve onemli sorular 😀 Aslinda veri on islemede kesin dogru diye birsey yoktur. Onemli olan yuksek dogruluklu modeller elde etmektir. Eksik verileri ortalama ya da medyan gibi teknikler ile doldurmak genelde daha iyi olabilir ama denemek lazim 👍 Makine ogrenmesinde farkli teknikleri denemek ve en iyi modeli bulmak esastir. Iyi calismalar 😀
Tahminlerde ki doğrulugumuz bu veri seti için kullandığımız yöntemde %80. Biz bu doğruluk oranını %90 ve üstüne çıkartabilir miyiz? Yoksa veri setinden kaynaklı olarak bu seviyelerde kalacak mıdır?
Diyelim ki veri setinde farklı kategorik string nitelikler var (6-7 tane (bilgisayar, kitap, eğlence, mobilya vb) bu koşulda da verileri kullanabilmek için get_dumies mı kullanmalıyım bu süreçte nasıl bir yol izlemeliyim cevaplarsanız çok sevinirim.
Emeğinize sağlık :) multinominal lojistik regresyonla ilgili anlamadığım bir nokta var. Bağımsız değişkenlerin bazılarının kategorik veri içermesi ve veri çeşidinin 3'ten fazla olması(yani multinominal) , aynı şekilde bağımlı değişkenin yine kategorik veri içermesi ve veri çeşidinin 3'ten fazla olması durumunda pythonda nasıl bir kod yazarak tahminleme yapılabilir? Ben bağımsız değişkenler için get_dummies yapıyorum ama bağımlı değişken için nasıl bir yol izleyeceğimi bilemiyorum. Bana yardımcı olabilir misiniz?
Teşekkürler Vehbi 👍 Multinominal lojistik regresyon, normal regresyonun genişletilmiş hali. Bire karşı diğerleri (one-vs-rest) prensibine dayanır. Bağımlı değişken kategorik olması durumunda lojistik regresyon kullanılır dolayısıyla bağımlı değişken obje tipinde ise bunu sadece sayısala çevirmen yeterli olur.
Hocam öncelikle emeğinize sağlık. Acaba yeni_veri oluştururken manuel olarak girmek yerine "yeni_veri=veri.iloc[0,:].to_numpy()" şeklinde girsek olur mu?
Hocam elimde gün gün vaka sayılarının olduğu bir veri seti var. X ekseni günler, Y ekseni de vaka sayısı. Bunu makine öğrenmesi ile n. günde tahmini olarak ne kadar vaka olacağını göstermek istiyorum. Hangi öğrenme çeşidini kullanmalıyım? Anahtar kelime verebilirseniz çok sevinirim. Teşekkür ederim.
Gunluk verileri kullanacaginiz icin zaman serisi modeli kurabilirsiniz. Bunun icin makine ogrenmesi algoritmalarindan basit regresyon analizi kullanacabilecegiz gibi rnn derin ogrenme teknigide kullanilabilir. Ayrica additive modelde kullanilabilir. Additive modelin egitimi hizlidir ve patternler yorumlanabilir.
@@TirendazAkademi teşekkür ederim tekrardan hocam. Şu an lojistik regresyon ile denedim fakat başarı oranı çok düşük. Bir de bahsettiğiniz yöntemleri inceleyeyim. Gerçi veri sayım da az yaklaşık 100 tane veri var.
Merhabalar. print(lg_model.score(X_test,y_test)) yazdırmaya çalışırken ValueError: X has 30 features per sample; expecting 9 hatası alıyorum. Hatanın sebebi sanırım dummy dönüşümlerinden veya sildiğim satır sütünların boyutlarının farklı olmasından kaynaklanıyor.Problemi çözümümde yardımcı olabilir misin ?
burda y değerleri 0 ve 1 float şeklinde ya onları kategorik hale çevirmek gerekmiyo mu ? 0 ve 1 e göre regresyon olarak hesaplamaya çalışmaz mı float olduğu zaman ?
Python derslerimizdeki dosya okuma yazma dersini izleyebilirsiniz. m.th-cam.com/play/PLfMRLSpipmfvXkTUYk8hCY0Ql8B0cHlpt.html Ayrica pandas derslerindeki dosyaya okuma yazma derslerine goz atabilirsiniz. m.th-cam.com/play/PLfMRLSpipmfsLoyO-deGWkJ0RAQf9gU20.html
Hocam lg_model.coef_ komutundan sonraki sonuçları raporlamam istesem nasıl yorumlarım etki dereceleri oluyor anladığım kadarıyla ama - olunca nasıl yorumlanır bir kaçı için örnek cümle rica etsem ?
jupyterde sns.countplot(x="survived",data=veri) komutunu çalıştıramadım.. nerede hata yapıyorumdur? seabornu import etmiş gözüküyor ama komut çalışmadı videodaki gibi
@@TirendazAkademi hocam tamam importu ahtalı yapmışım ondan kaynaklı sanırım. Yeni bir çalışma sayfası ile tekrar import edince grafik geldi. teşekkürler
Kaggle üstünden başka bir veri seti üzerinde öğrendiklerimi deniyorum bir hata aldım sebebi ve çözüm yöntemini bilmiyorum.Öznitelik olarak olarak"Cabin" kolonu oluşturmuş buradaki gibi yalnız kolon u silmeye çalıştığımda keyerror veriyor " Cabin" verisi axis te bulunamadı diyor .Ne yapabilirim?
Cok verimli bir anlatım. Teşekkürler
Çok teşekkürler 😊 İyi çalışmalar 😀
Hocam değerli bilgilerinizi paylaştığınız için teşekkürler. Hak ettiğiniz değeri görmeniz dileği ile.
Türkçe kaynağın çok sınırlı olduğu bir konuda çok değerli bilgiler veriyorsunuz. Teşekkürler. Hakkınız ödenmez.
Cok tesekkur ederiz 😀👍
Değerli bilgiler için teşekkürler
Çok verimli ve konuları toparlayıp derinleştiren bir örnek olmuş teşekkürler
SÜPERSİNİZ HOCAM EMEĞİNİZE YÜREĞİNİZE SAĞLIK
Çook tesekkurler 👍😀 iyi calismalar...
Eğitimleriniz gerçekten çok iyi.. bu değerli bilgileri paylaştığınız için teşekkürler.
buralar değerlenir
😀👍
Süpersiniz, tam da aradığım ders, teşekkürler...
Iyi calismalar 👍
Şuan numpy dersleri alıyorum bitince detaylı inceleyeceğim
Gercek dunya ver seti ile pratik bir veri analizi oldu.
hocam cok tesekkurler. hazirladigim proje icin cok yardimci oldu. Emeginize saglik.
Rica ederiz. Iyi calismalar...
Çok teşekkürler hocam sağolun :)
çoklu sınıflandırma yaparken logistic regresyon kullanılır mı ? y değerleri 4-5 farklı class olunca nası yapcaz, 1,2,3,4 falan desek diğeri onun 4 katı olarak algılamadan y değerlerine nası atarız ? 2. olarak da gender M ve F ikili sınıflandırmasında y değerleri M ve Y olarak bırakmak olmaz demi 1,0 mı yapmak gerekir bi yerde M ve Y olarak bırakmış da
Coklu siniflandirma icin lojistik regresyon kullanilir. Bunu yaparken bire karsi digerleri teknigini kullanir. Scikit learndeki Labelencoder ile 0 ve 1 cevirebilirsin. Bazi kutuphanler bunu otomatik yapiyor. Makine ogrenmesi ile ilgili sorularini veribilimi.quora.com yazarsaniz cevaplardan herkes faydalanir 👍
Hocam bu kanal bir gün kesinlikle patlayacak lütfen eğitimlerinize devam edin
bığşğ
çoklar bu ğ
logistic regresyon da çizgi çekiyo ya bunu polynomal hale getirip x kare x küp falan ekleyebilir miyiz öyle denemeler yapmak iyi olur mu ? ve polynomal features içinde degree ayarlayıp train teste onu uygulayıp mı yaoabiliriz ?
Makine ogrenmesinde amac en iyi modeli bulmak. Veri setini tanidiktan sonra model kurmaya lineer model gibi basitten baslayip zora dogru denemeler yaparsiniz. Lojistik regresyon ile polinom regresyon ayri. Featurelarin karesi ya da kupunu alarak en iyi modeli bulmaya calisabilirsin.
@@TirendazAkademi çok teşekkürler
👍👍👍😀
Peki LinearRegression kullanacak olursak ve verileri regülerleştirme yapacaksak C değğerini nasıl değiştirebiliriz? LinearRegression sınıfında C argümanı yok sanırım
Regulerlestirme icin ridge veya lasso tekniklerini kullanabilirsiniz.
Hocam çok güzel anlatıyorsunuz ama çok fazla reklam giriyor. 2 dk da bir reklam izliyorum. bunu düzeltir misiniz ?
Ok arastirayim. Iyi calismalar...
merhabalar get dummies yerine label encoder kullanılabilir mi arasında farklar varsa neler açıklayabilir misiniz ?
Merhaba Kerem, get dummies ile label encoder arasında fark var. İlki one-hot kodlama yapar ikincisi kategorileri sayısala çevirir.
@@TirendazAkademi yanıtınız için teşekkür ederim. Hocam Feature olarak kullanacaksan Label encoder , çıkış için kullanacaksan One Hot Encoder yap demişti. Siz ne düşünüyorsunuz ?
Hocam burda 2 tane sorum olacak;
1. age, özniteliğinde toplam 264 tane NaN veri vardı. Bu verileri silmek yerine ortalama, medyan, önceki/sonraki değer veya IQR çeyrek açıklık yöntemi gibi bir değer ile doldurmak daha mantıklı bir seçim olabilir miydi ?
2. pclass = pd.get_dummies(veri["pclass"], drop_first=True) kodunda drop_first=True kodu ile örneğin 1. sınıf'a ait olan değerleri verisetinde gözardı ettik.
İnşallah bu güzel emeğinize yakışır dikkatlice sorulmuş sorular olmuştur hocam !
Cok guzel ve onemli sorular 😀 Aslinda veri on islemede kesin dogru diye birsey yoktur. Onemli olan yuksek dogruluklu modeller elde etmektir. Eksik verileri ortalama ya da medyan gibi teknikler ile doldurmak genelde daha iyi olabilir ama denemek lazim 👍 Makine ogrenmesinde farkli teknikleri denemek ve en iyi modeli bulmak esastir. Iyi calismalar 😀
@@TirendazAkademi hocam 2. sorum için açıklamanızı merak ediyorum !
Ikinci maddede bahsettiginiz dogru 👍😀
@@TirendazAkademi aslında niçin böyle bir şey yapma ihtiyacı duyduk ? Alt kategorileri olan alanların ilk kategorilerini işleme katmadık ?
One hot kodlamadan sonra yeni sutunlar olusuyor bu sutunlar arasinda eger varsa yuksek korelasyon cikmasini istemedigimiz icin
Hocam birde sizle özelden yazışma imkanı var mı? Özel kurs alma adına?
Ozel kurs icin vaktim yok ama sorularinizi analizsanati@gmail.com adresine yazabilirsiniz.
Tahminlerde ki doğrulugumuz bu veri seti için kullandığımız yöntemde %80. Biz bu doğruluk oranını %90 ve üstüne çıkartabilir miyiz? Yoksa veri setinden kaynaklı olarak bu seviyelerde kalacak mıdır?
Hiper parametre ayari yaparak dogrulugu yukseltebilirsiniz 👍
Diyelim ki veri setinde farklı kategorik string nitelikler var (6-7 tane (bilgisayar, kitap, eğlence, mobilya vb) bu koşulda da verileri kullanabilmek için get_dumies mı kullanmalıyım bu süreçte nasıl bir yol izlemeliyim cevaplarsanız çok sevinirim.
Pipeline yazabilirsiniz ama en kolayi get_dummies metodunu kullanmak.
Emeğinize sağlık :)
multinominal lojistik regresyonla ilgili anlamadığım bir nokta var.
Bağımsız değişkenlerin bazılarının kategorik veri içermesi ve veri çeşidinin 3'ten fazla olması(yani multinominal) , aynı şekilde bağımlı değişkenin yine kategorik veri içermesi ve veri çeşidinin 3'ten fazla olması durumunda pythonda nasıl bir kod yazarak tahminleme yapılabilir?
Ben bağımsız değişkenler için get_dummies yapıyorum ama bağımlı değişken için nasıl bir yol izleyeceğimi bilemiyorum. Bana yardımcı olabilir misiniz?
Teşekkürler Vehbi 👍 Multinominal lojistik regresyon, normal regresyonun genişletilmiş hali. Bire karşı diğerleri (one-vs-rest) prensibine dayanır. Bağımlı değişken kategorik olması durumunda lojistik regresyon kullanılır dolayısıyla bağımlı değişken obje tipinde ise bunu sadece sayısala çevirmen yeterli olur.
Hocam öncelikle emeğinize sağlık. Acaba yeni_veri oluştururken manuel olarak girmek yerine "yeni_veri=veri.iloc[0,:].to_numpy()" şeklinde girsek olur mu?
Evet olabilir. Yazdiginiz kod ile ilk orneklemi secmis ve numpy dizisine cevirmis oluruz boylece daha pratik secim olur. Katkiniz icin tesekkurler.
Hocam elimde gün gün vaka sayılarının olduğu bir veri seti var. X ekseni günler, Y ekseni de vaka sayısı. Bunu makine öğrenmesi ile n. günde tahmini olarak ne kadar vaka olacağını göstermek istiyorum. Hangi öğrenme çeşidini kullanmalıyım? Anahtar kelime verebilirseniz çok sevinirim. Teşekkür ederim.
Gunluk verileri kullanacaginiz icin zaman serisi modeli kurabilirsiniz. Bunun icin makine ogrenmesi algoritmalarindan basit regresyon analizi kullanacabilecegiz gibi rnn derin ogrenme teknigide kullanilabilir. Ayrica additive modelde kullanilabilir. Additive modelin egitimi hizlidir ve patternler yorumlanabilir.
@@TirendazAkademi teşekkür ederim tekrardan hocam. Şu an lojistik regresyon ile denedim fakat başarı oranı çok düşük. Bir de bahsettiğiniz yöntemleri inceleyeyim. Gerçi veri sayım da az yaklaşık 100 tane veri var.
Merhabalar. print(lg_model.score(X_test,y_test)) yazdırmaya çalışırken ValueError: X has 30 features per sample; expecting 9 hatası alıyorum. Hatanın sebebi sanırım dummy dönüşümlerinden veya sildiğim satır sütünların boyutlarının farklı olmasından kaynaklanıyor.Problemi çözümümde yardımcı olabilir misin ?
burda y değerleri 0 ve 1 float şeklinde ya onları kategorik hale çevirmek gerekmiyo mu ? 0 ve 1 e göre regresyon olarak hesaplamaya çalışmaz mı float olduğu zaman ?
Sınırlı sayıda değer olduğu için scikit learn anlıyor.
@@TirendazAkademi 5-6 farklı class olsa da anlar mı ?
Logistik regresyon gibi siniflandirma algoritmasini kullanirsan anlar
hangi editoru kullanıyorsunuz
Jupyter notebook kullaniyoruz. Anaconda ile yuklu geliyor.
Csv dosyasini nasil hazirlayabilirim ya da elimdekini nasil duzenleyebilirim verilerin tiplerini degistirmek ve yeni veriler eklemek istiyorum tabloya
Python derslerimizdeki dosya okuma yazma dersini izleyebilirsiniz.
m.th-cam.com/play/PLfMRLSpipmfvXkTUYk8hCY0Ql8B0cHlpt.html
Ayrica pandas derslerindeki dosyaya okuma yazma derslerine goz atabilirsiniz.
m.th-cam.com/play/PLfMRLSpipmfsLoyO-deGWkJ0RAQf9gU20.html
Hocam lg_model.coef_ komutundan sonraki sonuçları raporlamam istesem nasıl yorumlarım etki dereceleri oluyor anladığım kadarıyla ama - olunca nasıl yorumlanır bir kaçı için örnek cümle rica etsem ?
Analizine gore modelin dogruluk olcumlerinden, katsayilarin anlamindan bahsedebilirsin.
@@TirendazAkademi teşekkür ederim hocam :)
👍👍👍
Hocam yapay sinir ağları ile tahmin modeli kurmam gerekiyor kodunun hiçbir yerde bulamadım nereye bakabilirim ?
Lojistik regresyon ile ikisini karşılaştırmalıyım ama bunun kodları her yerde o yok :(
hocam bende Q,S,2.0 ve 3.0 ın değerleri bool sizde uint8 sizle aynı gittim ama neden böyle
kaçıncı dakika da?
jupyterde sns.countplot(x="survived",data=veri) komutunu çalıştıramadım.. nerede hata yapıyorumdur? seabornu import etmiş gözüküyor ama komut çalışmadı videodaki gibi
Nasil bir hata mesaji verdi mesaji yazabilir misiniz?
@@TirendazAkademi hocam tamam importu ahtalı yapmışım ondan kaynaklı sanırım. Yeni bir çalışma sayfası ile tekrar import edince grafik geldi. teşekkürler
Ok. iyi calismalar 👍
Kaggle üstünden başka bir veri seti üzerinde öğrendiklerimi deniyorum bir hata aldım sebebi ve çözüm yöntemini bilmiyorum.Öznitelik olarak olarak"Cabin" kolonu oluşturmuş buradaki gibi yalnız kolon u silmeye çalıştığımda keyerror veriyor " Cabin" verisi axis te bulunamadı diyor .Ne yapabilirim?
Kodlari gormeden birsey soylemem zor ama Cabin bir sutun oldugu icin sutun silmek icin axis=1 opsiyonunu kullanmayi deneyin.
@@TirendazAkademi çözdüm hocam teşekkürler
👍👍👍