Makine öğrenmesi sınıflandırma algoritmalarının incelenmesi

Bu çalışmada, literatürde her birinin kendi içinde karmaşık bir teoriye sahip oldukları görülen, Karar Ağacı, Naive Bayes, Rastgele Orman ve K-en yakın komşu sınıflandırma algoritmalarının R programında yazılan kodlar yardımıyla, farklı veri tiplerine uygulanması ile daha anlaşılır ve açık bir şekilde sunulması hedeflenmektedir. Ayrıca gerçek bir veri kümesi üzerinden, son dönemlerde makine öğrenmesi yöntemleri için son kullanıcı dostu yeniliklerle ön plana çıkan KNIME programı yardımıyla yukarıda bahsedilen dört makine öğrenme sınıflandırma algoritmasının bir performans karşılaştırması yapılmıştır. Çalışmanın birinci bölümünde, konuya giriş yapılmış olup, ikinci bölümde ise büyük veri, makine öğrenmesi, performans değerlendirme yöntemleri, sınıflandırma ve sınıflandırma başarı ölçüleri hakkında temel kavramlardan bahsedilmiştir. Daha sonraki bölümlerde sırasıyla, Karar Ağacı, Naive Bayes, Rastgele Orman ve K-en yakın komşu sınıflandırma algoritmaları için gerekli matematiksel kavramlar verilmekte ve bu yöntemlerin kullanımının önemi vurgulanmaktadır. Çalışmanın dördüncü bölümünde ise farklı veri tipleri kullanılarak önceki bölümlerde ele alınan sınıflandırma algoritmalarının R programı uygulamalarına ve KNIME programı ile analiz edilen gerçek bir veri kümesi üzerinden bir performans karşılaştırması uygulamasına yer verilmektedir. Son bölümde ise çalışmadan elde edilen sonuçlar tartışılacaktır. Anahtar Kelimeler: Sınıflandırma Algoritmaları, Makine Öğrenme, Büyük Veri.