Makine öğrenmesi yöntemleriyle el yazısı tanıma

El yazısı tanıma problemi makine öğrenmesi çalışmalarında her zaman kendisine yer bulmuştur. El yazısı tanıma işlemi bir çok aşamadan oluşmaktadır. Bunlar; ön işleme, dilimleme, öz nitelik çıkarımı, sınıflandırma ve son işleme aşamalarıdır. Bu aşamaların her biri kendi özelinde ayrı birer çalışmaya konu olabilecek kapsamdadırlar. Bu tez çalışmasında sınıflandırma aşamasında yapılan; ön işlemesi, dilimlemesi yapılmış veri setini tanıma işlemi üzerinde çalışılmıştır. Çalışmada MNIST veri seti kullanılmıştır. Bu veri seti 250 farklı kişiden alınan 60.000 numune içerir. 0-9 arası rakamların el yazısı görsellerini kullanıma sunar. Akademik çalışmalarda sıklıkla tercih edilmektedir. MNIST veri seti üzerinde bir çok makine öğrenmesi yöntemi çalıştırılmıştır. Her bir yöntem için verim hesaplanmış, sonuçlar raporlanmıştır. Literatür taramasında en çok karşılaşılan ve el yazısı tanıma alanında en çok tercih edilen makine öğrenmesi yöntemlerine öncelik verilmiştir. Bu araştırmalar ve testler sonucunda karşılaştırılan yöntemlerden en yüksek verimi sağlayan yöntemler K-En Yakın Komşu algoritması ve K-Ortalama algoritması olmuştur. Elbette çalışma süresi, veri seti gibi bir çok etkenin de varlığı bu alanda çalışmak isteyenler için kıstas olarak alınmalıdır. Bu tez çalışması el yazısı tanıma alanına temelden bir giriş yapmış ve makine öğrenmesi alanında farklı bir çok alt yöntemi el yazısı rakam tanıma için test etmiştir. Bu açıdan yol gösterici olması hedeflenmiştir.