Karar Ağacı Algoritmaları_{(CART, Gradient Boost ve XGBoost) Teori ve Uygulaması}

İÇİNDEKİLER

BİRİNCİ BÖLÜM

MAKİNE ÖĞRENİMİ

1.Makine Öğrenmesi Teknikleri 1

1.1.Öğrenme Türleri 2

1.1.1 Denetimli Öğrenme (Supervised Learning) . 2

1.1.1.1. Sınıflandırma Modelleri – Kavram (Konsept) Öğrenme . 3

1.1.2. Denetimsiz Öğrenme (Unsupervised Learning) . 5

1.1.3.Pekiştirmeli Öğrenme (Reinforcement Learning) 5

İKİNCİ BÖLÜM

SINIFLANDIRMA PERFORMANSI DEĞERLENDİRME KRİTERLERİ VE KULLANILAN SINIFLANDIRMA ALGORİTMALARI

2. Model Değerlendirme ve Hata Matrisi 7

2.1. ROC (Receiver operating characteristics) 11

2.2. PR (Precision-Recall) (Kesinlik-Doğru Pozitif Oran) Eğrisi . 12

2.3. Karar Ağacı Algoritmaları 14

2.3.1. Lojistik Regresyon . 14

2.3.2. Regresyon ve Sınıflandırma Ağaçları (Classification and Regression Tree - CART) Algoritması . 18

2.3.3. Gradyan Arttırma Karar Ağacı (Gradient Boosting Decision Tree – GBDT) . 31

2.3.4. XGBoost Algoritması (Extreme Gradient Boosting) 34

KAYNAKÇA 55

ÖZGEÇMİŞ . 61