Kursa hoş geldin!

XGBoost ile Aşırı Gradyan Artırma

Sergey Fogelson

Head of Data Science, TelevisaUnivision

XGBoost'a gelmeden önce...

• {{1}} temellerini bilmelisin
  • Denetimli sınıflandırma
  • Karar ağaçları
  • Boosting

Denetimli öğrenme

• Etiketli veriye dayanır
• Geçmiş davranış hakkında bir anlayış vardır

Denetimli öğrenme örneği

• Belirli bir görüntüde bir kişinin yüzü var mı?
• Eğitim verisi: piksel değer vektörleri
• Etiketler: 1 veya 0

Denetimli öğrenme: Sınıflandırma

• Çıktı ikili ya da çok sınıflı olabilir

İkili sınıflandırma örneği

• Bir kişi, verilen bir teklife göre sigorta paketi satın alır mı?

Çok sınıflı sınıflandırma örneği

• Verilen bir kuşun türünü sınıflandırma

AUC: İkili sınıflandırma modelleri için metrik

• ROC eğrisi altındaki alan (AUC)
• Daha büyük ROC alanı = daha iyi model

Doğruluk skoru ve karışıklık matrisi

• Karışıklık matrisi

• Doğruluk $$\frac{tp+tn}{tp+tn+fp+fn}$$

Gözden geçirme

• scikit-learn ile Denetimli Öğrenme

Diğer denetimli öğrenme noktaları

• Özellikler sayısal veya kategorik olabilir
• Sayısal özellikler ölçeklenmelidir (Z-skoru)
• Kategorik özellikler kodlanmalıdır (one-hot)

Sıralama

• Bir seçenek kümesinde sıralama tahmini

Öneri

• Bir kullanıcıya öğe önerme
• Tüketim geçmişi ve profile göre
• Örnek: Netflix

Hadi pratik yapalım!

XGBoost ile Aşırı Gradyan Artırma