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