Hocam tekrar merhaba. öznitelik seçme işlemi yapmak için classify ekranında meta başlığının altındaki "attributeselectedclassifer" ı kullanarak mı sınıfladırma yapmak doğru? yoksa select attributes ekranında bu algoritmalardan birini uygulayıp çıkan altkümelere göre gereksiz attributeleri silip daha sonra classify yapmak mı daha doğru olur? iki durumda da farklı başarı oranları veriyor :/
evet çünkü ilk yöntem aslında ETL süreci olarak verinizi filitrelemiyor (bunu yapacağınız diğer yer preprocess ekranıdır (eğitim serisinde diğer videolarda bu ekranı nasıl kullanacağınıza değiniyoruz). İki yöntem arasında basitçe şöyle bir fark var. verileri işlemeden önce preprocess ile silmek aslında supervised bir yaklaşımdır (yani siz insan olarak müdahalede bulunuyor ve hangi özelliklerin işe yarayacağını seçmiş oluyorsunuz). AttributeSelectedClassifier veya FilteredClassifier gibi yöntemler ise eğitim sırasında veriyi kullanır ancak sınıflandırma sırasında bu özellikleri filitrelerler. Bu sayede makine öğrenmesi açısından daha doğru sonuçlar vermesini bekleriz.
merhaba hocam. veri madenciliği dersi alıyorum ve bir ödevim var. cfssubseteval infogainattribute ve reliefFattributeeval algoritmalarının çalışma prensiplerini bulup knn algoritmasıyla modeller kurup başarı oranlarını karşılaştırmam gerekiyor. ionosphere datası üzerinde cfssubseteval ı bestfrist methoduyla çalıştırdım 14 tane attribute seçti. infogain ve reliefF'te tüm attributeleri seçti ama attributelerin sırası farklı. bu durumda knn algoritmasında bunları nasıl çalıştıracağım? anlayamadım yardımcı olursanız çok sevinirim
kullanılan yöntem ve veri kümesi arasında uyum olması gerekiyor. Weka eğitim serisinde bu durumu detaylıca anlatıyorum. Eğitim serisini izlemenizde fayda var, kullanılan yöntemleri ve veri kümenizi tanımanız ve ona uygun şekilde kullanmanız gerekiyor, detaylı şekilde anlattım eğitim serisinde. Başarılar
Ayrıca algoritamları tanımak için weka’nın dokümantasyonuna bakın. Örneğin ilki için: weka.sourceforge.net/doc.dev/weka/attributeSelection/CfsSubsetEval.html Ve wekanın özelliği her dokümanda akademik kaynağa referans vermesidir. Dokümana bakarsanız aşağıdaki referansı görürsünüz. M. A. Hall (1998). Correlation-based Feature Subset Selection for Machine Learning. Hamilton, New Zealand. Bu kaynağı da aratırsanız oldukça detaylı anlatıldığı doktora tezine ulaşabilirsiniz: www.cs.waikato.ac.nz/~mhall/thesis.pdf Diğerleri için de benzer adımları izleyebilirsiniz.
Vidolarinizi cogunu izliyorum ama hepsi teoride kaliyor bana gore bir video izlendikten sonra Hala kafasinda soru isaretleri var o video amacina ulasamamistir ...biraz pratik yapsak
![เปิดคำทำนาย นอสตราดามุส - บาบา วานก้า ปี 2025 คนทั่วโลกต้องเจออะไรบ้าง? | แฉ 11 ธ.ค. 67 [2/3] |GMM25](http://i.ytimg.com/vi/xmTIKWJUMPM/mqdefault.jpg)
Çok basit, anlaşılır ve akıcı anlatıyorsunuz Hocam. Teşekkür ederim.
Hocam videolariniz cok faydali. Gercekten cok insana hakkiniz geciyor. Tesekkürler :)
Yine bir sınav için buralardayım hocam sağolun varolun
Çok teşekkürler , harika :)
harikasiniz hocam
Hocam tekrar merhaba. öznitelik seçme işlemi yapmak için classify ekranında meta başlığının altındaki "attributeselectedclassifer" ı kullanarak mı sınıfladırma yapmak doğru? yoksa select attributes ekranında bu algoritmalardan birini uygulayıp çıkan altkümelere göre gereksiz attributeleri silip daha sonra classify yapmak mı daha doğru olur? iki durumda da farklı başarı oranları veriyor :/
evet çünkü ilk yöntem aslında ETL süreci olarak verinizi filitrelemiyor (bunu yapacağınız diğer yer preprocess ekranıdır (eğitim serisinde diğer videolarda bu ekranı nasıl kullanacağınıza değiniyoruz).
İki yöntem arasında basitçe şöyle bir fark var. verileri işlemeden önce preprocess ile silmek aslında supervised bir yaklaşımdır (yani siz insan olarak müdahalede bulunuyor ve hangi özelliklerin işe yarayacağını seçmiş oluyorsunuz).
AttributeSelectedClassifier veya FilteredClassifier gibi yöntemler ise eğitim sırasında veriyi kullanır ancak sınıflandırma sırasında bu özellikleri filitrelerler. Bu sayede makine öğrenmesi açısından daha doğru sonuçlar vermesini bekleriz.
merhaba , rica etsem videonun basindaki tabloyu paylasma imkaniniz var midir ? udemy egitimizdeki linkten geldim
Hocam merhaba, elimdeki csv datasını weka da nasıl çalıştırırım?
merhaba hocam. veri madenciliği dersi alıyorum ve bir ödevim var. cfssubseteval infogainattribute ve reliefFattributeeval algoritmalarının çalışma prensiplerini bulup knn algoritmasıyla modeller kurup başarı oranlarını karşılaştırmam gerekiyor. ionosphere datası üzerinde cfssubseteval ı bestfrist methoduyla çalıştırdım 14 tane attribute seçti. infogain ve reliefF'te tüm attributeleri seçti ama attributelerin sırası farklı. bu durumda knn algoritmasında bunları nasıl çalıştıracağım? anlayamadım yardımcı olursanız çok sevinirim
kullanılan yöntem ve veri kümesi arasında uyum olması gerekiyor. Weka eğitim serisinde bu durumu detaylıca anlatıyorum. Eğitim serisini izlemenizde fayda var, kullanılan yöntemleri ve veri kümenizi tanımanız ve ona uygun şekilde kullanmanız gerekiyor, detaylı şekilde anlattım eğitim serisinde.
Başarılar
Ayrıca algoritamları tanımak için weka’nın dokümantasyonuna bakın.
Örneğin ilki için: weka.sourceforge.net/doc.dev/weka/attributeSelection/CfsSubsetEval.html
Ve wekanın özelliği her dokümanda akademik kaynağa referans vermesidir. Dokümana bakarsanız aşağıdaki referansı görürsünüz.
M. A. Hall (1998). Correlation-based Feature Subset Selection for Machine Learning. Hamilton, New Zealand.
Bu kaynağı da aratırsanız oldukça detaylı anlatıldığı doktora tezine ulaşabilirsiniz:
www.cs.waikato.ac.nz/~mhall/thesis.pdf
Diğerleri için de benzer adımları izleyebilirsiniz.
çok teşekkür ederim
Hocam Merhaba, ilk 1 dk içinde görülen model seçimi tablosuna nasıl ulaşabilirim. Teşekkürler.
Vidolarinizi cogunu izliyorum ama hepsi teoride kaliyor bana gore bir video izlendikten sonra Hala kafasinda soru isaretleri var o video amacina ulasamamistir ...biraz pratik yapsak
hocam merhaba
algortimayı dediğinzizi gibi uyguladıkça ve k sayısını arttırdıkça başarı oranı düşmesi aksine arttı. Bunun nedeni nedir acaba?
Bende hep %100 :D
Rana selam, veri setinden veri setine değişir. Bir makalede k yı veri setinde ki data sayısının karesi kadar olmasının iyi olacağını okumuştum.
@@fehmiaksakal7738 hımmm anladım. teşekkür ederim yanıt için
@@ranaelifdincer576 rica ederim.