Scikit-learn python tabanlı bir makine öğrenmesi kütüphanesidir. Kullanması oldukça kolaydır. Sınıflandırma, regresyon, kümeleme ve boyut azaltma gibi alanlarda kullanılır.
İndirmek için https://scikit-learn.org/stable/install.html
Sizden beklenilen scikit-learn kütüphanesini kullanarak
- lineer regresyon
- polinom regresyonu
- lojistik regresyon algoritmalarını yazmanız.
Bunları yaparken makine öğrenmesinde metrikleri (evaluation metrics) de öğrenmeniz ve kullanmanız gerekmektedir.
https://deepai.org/machine-learning-glossary-and-terms/evaluation-metrics (Bu linkteki classification ve regression metriclerine bakabilirsiniz)
Yazdığınız modeli scikit-learn kütüphanesinin içerisinde yer alan hazır datasetleriyle eğiteceğiz https://medium.com/@rohanmistry231/the-ultimate-guide-to-sklearn-datasets-your-gateway-to-ml-practice-5f5e3a7efb1d (burada pek çok örnek mevcut) Toplamda en az 3 farklı verisetini kullanmanız gerekiyor seçim size kalmış https://www.geeksforgeeks.org/machine-learning/top-inbuilt-datasets-in-scikit-learn-library/ (bu link de görselleştirmeyi vs. öğrenmeniz bakımından faydalı olacaktır)
Ayrıca dataset'imizi modelin eğitimini sağlamak için (train) ve modelin performansını değerlendirmek için (test) olmak üzere 2 parçaya bölmemiz modelin gerçek dünya verilerine daha iyi uyum yapmasına yardım eder. (Bir öğretmenin 100 soruyu ve cevaplarını çalışmanız için size vermek yerine 70 tanesini verip 30 tanesiyle de size sınav yaptığını düşünün hangisiyle daha fazla öğrenirsiniz?) Bunun için scikit-learn'de hazır bir fonksiyon bulunuyor.
https://www.geeksforgeeks.org/machine-learning/how-to-do-train-test-split-using-sklearn-in-python/ (bu linkte kullanımına bakabilirsiniz)
Ayrıca uyguladığınız şeyleri görselleştirmeniz gerekmektedir bunun için matplotlib veya seaborn kullanabilirsiniz
https://seaborn.pydata.org/tutorial/introduction.html
https://matplotlib.org/stable/tutorials/index.html
https://www.geeksforgeeks.org/data-visualization/plotting-with-seaborn-and-matplotlib/
Onun dışındaki geliştirmeler (Hiperparametre ayarlaması vs.) size kalmış. İyi çalışmalar