🧠 ML Temelleribaşlangıç⏱ 6 dk

Sınıflandırma ve Regresyon: Problem Türleri

Çıkış katmanı seçimi ve problem formülasyonu

Önce bunlara göz at

🎯

30 saniyede özet · Ne öğreneceksin

→Regresyon ve sınıflandırma problemlerini ayırt etmek
→Uygun çıkış aktivasyon fonksiyonunu seçmek
→Binary ve çok sınıflı sınıflandırmanın farklarını bilmek

⏱ 6 dk okuma·başlangıç·🧪 interaktif sandbox

ML'de iki temel çıkış tipi vardır: sürekli bir değer tahmin etmek (regresyon) veya bir kategoriye atamak (sınıflandırma). Bu seçim, çıkış katmanınızın aktivasyon fonksiyonundan kayıp fonksiyonuna kadar her şeyi etkiler.

Regresyon

·Çıkış: sürekli sayı
·Örnek: fiyat, sıcaklık, süre
·Çıkış aktivasyonu: yok (linear)
·Kayıp: MSE veya MAE

Sınıflandırma

·Çıkış: kategori / olasılık
·Örnek: spam/ham, köpek/kedi
·Çıkış aktivasyonu: sigmoid / softmax
·Kayıp: binary / categorical cross-entropy

İkili sınıflandırma: Sigmoid — [0,1] aralığında tek olasılık çıkarır.

⚡ İnteraktif Playground

⏳ Yükleniyor…

ℹ️Bazı problemler her ikisini de içerebilir. Örneğin, nesne tespitinde hem konum tahmini (regresyon) hem sınıf belirleme (sınıflandırma) yapılır. Bu, multi-task learning olarak adlandırılır.

Bu konunun pratiği

🧪

Bu konuyu interaktif dene

Az önce okuduğun kavramın parametrelerini değiştir, etkisini canlı gör

Aç →

Daha derinlemesine