Lojistik Regresyon

R ile Makine Öğrenmesi Uygulamaları: Lojistik Regresyon

Fahreneight 451, bir kitabı yakmak için gereken sıcaklık değeridir. İnsanlığın bilincini oluşturan, gerçeklik hakkında bilgiler veren, devletler kurup yıktıran bu inanılmaz güçten bahsediyorum. İtfaiyeciler, insanları bilinçsizleştirmek için onların kitap okumalarını engelleyerek onları tekdüze hale getirmeye çalışan bir sistemin işçileri. Görev …

Daha Fazlası >>

Kategorik Veri Analizi ve Shiny Web Uygulamaları – 5

Bundan önceki yazılarımda totaliter yönetim yapısını, halkın baskıcı bir yönetim sisteminin içerisine sokuşturulması ve içeride zorla tutulması şeklinde işlemiştik. Peki halk bu sistemin içerisinde kendi isteği ile  yer alıyorsa bunun adı nedir? Bunun sorumlusu kimdir? Günümüzde daha güzel evlerde oturmak, …

Daha Fazlası >>

Kategorik Veri Analizi ve Shiny Web Uygulamaları – 4

Günümüzde gelişen teknolojilerle birlikte elimizdeki verileri kullanarak matematiksel modeller oluşturup, araştırılan konular hakkında tahminlemeler yapabiliyoruz. Bunu istatistik ile, yani belirli bir hata payı ile yapıyoruz. Örneğin bir bölgenin gelir seviyesinin incelendiği bir çalışmayı ele alalım ve bu çalışmada Doğrusal Regresyondan …

Daha Fazlası >>

Kategorik Veri Analizi ve Shiny Web Uygulamaları – 1

Canlılar milyonlarca yıldır belirli durumlarda hayatta kalabilmek için geçmiş tecrübelerden, günümüz diliyle geçmiş Data’lardan faydalanarak bazı hayatta kalma yöntemleri geliştirmiştir. Bu yöntemler bazen avlanma stratejileri geliştirmek için bazen ise optimizasyon problemlerini çözmek için kullanıldı. Kullandığımız veri miktarı arttıkça bu verileri …

Daha Fazlası >>

Apache Spark ML Kütüphanesi: Pipelines Örnek Uygulama

1. Giriş Merhabalar. Bildiğimiz gibi Spark, büyük veri dünyasının en popüler analitik motoru. Özellikle durağan büyük boyutlu veriler (persistent data) üzerinde hızlı bir şekilde makine öğrenmesi algoritmalarını çalıştırabilmesi Spark’ı farklı kılan özelliklerin başında geliyor. Arkadaşımız o kadar yetenekli ki sadece durağan …

Daha Fazlası >>