Makine öğrenimi, örüntü tanıma ve görüntü işleme alanlarında kullanılan öznitelik çıkarımı (özellik çıkarımı), girdi olarak verilen ölçülmüş verileri kullanarak türetilmiş değerler (öznitelikler) oluşturur. Türetilen değerlerin bilgilendirici ve artıksız olması, öğrenme sürecini kolaylaştırıcı olması ve bazı durumlarda insan uzmanlar tarafından daha iyi anlaşılabilir (yorumlanabilir) olması amaçlanır. Öznitelik çıkarımı, boyut indirgeme konusuyla ilişkilidir.
Genel
Öznitelik çıkarımı büyük bir veri kümesini açıklamak için gereken kaynak miktarını azaltmayı içerir. Karmaşık bir veri üzerinde analiz yapılırken ortaya çıkan ana problemlerden biri de kullanılan değişken sayısının artmasıdır. Çok fazla değişken içeren analizler genellikle büyük bir bellek alanına ve işlemci gücüne gereksinim duyar, ayrıca sınıflandırma algoritmalarının eğitim kümesine aşırı uymasına sebep olarak tahmin performansını düşürür. Öznitelik çıkarımı, değişkenlerin kombinasyonlarını oluşturarak bu sorunları aşmayı ve veriyi yeterli bir doğrulukla açıklayabilir olmayı sağlayan yöntemleri tanımlayan genel bir terimdir.
Öznitelikler bir alan uzmanı tarafından yapılarak çıkarılabilir. Eğer böyle bir uzman bilgisi mevcut değilse genel boyut indirgeme yöntemleri kullanılabilir. Bunlardan bazıları:
- Temel bileşen analizi (PCA)
- Doğrusal ayırma analizi (LDA)
- (İngilizce: Autoencoder)
- (İngilizce: Isomap)
Görüntü işleme
Önemli bir uygulama alanı görüntü işlemedir. Bir görüntünün ya da videonun içinden istenilen kısımların ya da şekillerin (öznitelikler) çeşitli algoritmalar yardımıyla tespit edilmesi ve yalıtılması için kullanılır. Özellikle optik karakter tanıma konusunda kullanımı önemlidir.
Öznitelik çıkarma yazılımları
Birçok veri analizi yazılımı öznitelik çıkarımını ve boyut indirgemeyi içeren paketler sağlar. Yaygın sayısal programlama ortamlarından MATLAB, SciLab, NumPy veR programlama dili bazı basit öznitelik çıkarma yöntemlerini dahili komutlar ile destekler. Daha özellikli algoritmalara kamuya açık kodlar ya da eklentiler olarak ulaşılabilir.
Kaynakça
Bilgisayar ile ilgili bu madde seviyesindedir. Madde içeriğini genişleterek Vikipedi'ye katkı sağlayabilirsiniz. |
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Makine ogrenimi oruntu tanima ve goruntu isleme alanlarinda kullanilan oznitelik cikarimi ozellik cikarimi girdi olarak verilen olculmus verileri kullanarak turetilmis degerler oznitelikler olusturur Turetilen degerlerin bilgilendirici ve artiksiz olmasi ogrenme surecini kolaylastirici olmasi ve bazi durumlarda insan uzmanlar tarafindan daha iyi anlasilabilir yorumlanabilir olmasi amaclanir Oznitelik cikarimi boyut indirgeme konusuyla iliskilidir GenelOznitelik cikarimi buyuk bir veri kumesini aciklamak icin gereken kaynak miktarini azaltmayi icerir Karmasik bir veri uzerinde analiz yapilirken ortaya cikan ana problemlerden biri de kullanilan degisken sayisinin artmasidir Cok fazla degisken iceren analizler genellikle buyuk bir bellek alanina ve islemci gucune gereksinim duyar ayrica siniflandirma algoritmalarinin egitim kumesine asiri uymasina sebep olarak tahmin performansini dusurur Oznitelik cikarimi degiskenlerin kombinasyonlarini olusturarak bu sorunlari asmayi ve veriyi yeterli bir dogrulukla aciklayabilir olmayi saglayan yontemleri tanimlayan genel bir terimdir Oznitelikler bir alan uzmani tarafindan yapilarak cikarilabilir Eger boyle bir uzman bilgisi mevcut degilse genel boyut indirgeme yontemleri kullanilabilir Bunlardan bazilari Temel bilesen analizi PCA Dogrusal ayirma analizi LDA Ingilizce Autoencoder Ingilizce Isomap Goruntu islemeOnemli bir uygulama alani goruntu islemedir Bir goruntunun ya da videonun icinden istenilen kisimlarin ya da sekillerin oznitelikler cesitli algoritmalar yardimiyla tespit edilmesi ve yalitilmasi icin kullanilir Ozellikle optik karakter tanima konusunda kullanimi onemlidir Oznitelik cikarma yazilimlariBircok veri analizi yazilimi oznitelik cikarimini ve boyut indirgemeyi iceren paketler saglar Yaygin sayisal programlama ortamlarindan MATLAB SciLab NumPy veR programlama dili bazi basit oznitelik cikarma yontemlerini dahili komutlar ile destekler Daha ozellikli algoritmalara kamuya acik kodlar ya da eklentiler olarak ulasilabilir Kaynakca Ethem Alpaydin 2010 Londra The MIT Press s 110 ISBN 978 0 262 01243 0 2 Mart 2017 tarihinde kaynagindan arsivlendi Erisim tarihi 4 Subat 2017 Bilgisayar ile ilgili bu madde taslak seviyesindedir Madde icerigini genisleterek Vikipedi ye katki saglayabilirsiniz