Makine Öğrenmesi

Makine öğrenme algoritmaları, verilerin eğitim-öğretim setlerini (metin, görüntü, genetik verisi, sayısal ölçümler vb.) analiz eder ve bu veri setlerinden çeşitli bilgiler çıkarır. Çıkarım yapılan bilgiler bir makine öğrenme modelinde tutulur. Bu bilgilere verilerden öğrenilen kurallar da denebilir.

Makine öğrenmesi ayrı bir alan olarak 1990 yıllarında yeniden gelişmeye başladı. Alan değişiminin hedefi ise pratik yaşamdaki çözülebilir sorunların ele alınmasında yapay zekanın yakalanılabilmesinden geçiyor.  Makine öğrenmesi ve veri madenciliği sık sık aynı yöntemleri kullanırlar ve bu yöntemler önemli ölçüde örtüşmektedir.

Makine Öğrenmesinin anahtar aşamaları üç adımda özetlenebilir. Bunların ilki modeli oluşturmaktır. İkincisi eğitim seti olarak bilinen verilerin girilmesidir. Veri setlerinin girilmesi için verilerin yeterince geliştirilmesi, modele uygun şekilde seçilip temizlenmesi, gerekirse verilerin dönüştürükmesi ve çeşitli veri madenciliği yollarına başvurulması gerekebilir. Üçüncü aşama ise modelin eğitim verileriyle, öğrenmeyle ve yeni bir modelin veya tahminin oluşturulmasıyla karşılaştırılmasıdır.