1. VERİ, MADENCİLİK VE ÖĞRENME
21
1.4. Karar Destek Sistemi (KDS)
23
1.8. Veri Madenciliğinde Verileri Hazırlama
26
1.10. Makine Öğrenmesi
29
1.12. Yapay Zekâ Yöntemleri
30
1.13. Yapay Zekâ Uygulama Alanları ve Geleceği
31
1.14. Yapay Zekâ Uygulamalarında Kullanılan Programlar
32
2.1. Yapay Bir Sinirin Öğeleri
33
2.2. Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri
35
2.3. Yapay Sinir Ağlarının Genel Özellikleri
36
2.4. Yapay Sinir Ağlarının Dezavantajları
37
2.5. Yapay Sinir Ağlarının Temel Öğrenme Kuralları
38
2.6. Yapay Sinir Ağları Modelleri
39
2.6.1. İleri Beslemeli Yapay Sinir Ağları
40
2.6.2. Geri Beslemeli Yapay Sinir Ağları
41
2.7. Yapay Sinir Ağlarının Eğitilmesi
41
3. TAHMİNİN HATA DÜZEYİNİN BELİRLENMESİ
45
3.1. Sayısal Sonuçları Tahmin Etmek
46
3.1.1. Korelasyon Katsayısı
47
3.1.2. Ortalama Mutlak Hata
47
3.1.3. Hataların Karelerinin Ortalamasının Karekökü
48
3.1.4. Göreceli Mutlak Hata
48
3.1.5. Göreceli Mutlak Hata Karekökü
49
3.2. Nominal Sonuçları Tahmin Etmek
49
3.2.2. Doğru Yerleştirme Başarısı
50
3.2.3. Kappa İstatistiği
51
3.2.4. Tahmin Sınıflarının Doğruluk Detayları
51
4.1. Weka Programını İndirme
59
4.2. Paket Yönetim sistemi
60
4.3.1. Veri Dosyası ve Formatları
62
4.3.2. Örnek Bir Analiz Yapma
65
4.3.3. Eğitim ve Test Verilerini Parçalama
68
4.3.4. Çıktının İncelenmesi
69
4.3.5. Tekrar Çalıştırma
70
4.3.6. Modeller ile Çalışma
71
4.3.7. Hata Oluştuğunda
75
4.4. Explorer Penceresi
75
4.4.1. ARFF Uzantılı Dosyalar Oluşturma
77
4.4.3. Filtreleri Kullanma
84
4.4.4. Öğrenme Şemaları ile Eğitim ve Test
88
4.4.5. Meta Öğrenme Algoritması Kullanma
94
4.4.6. Kümeleme Analizleri
95
4.4.7. İlişkilendirme Kuralları
98
4.4.8. Nitelik Seçimi
100
4.4.9. Görselleştirme
100
4.5. Filtre Algoritmaları
102
4.5.1. Gözetimsiz Nitelik Filtreleri
103
4.5.1.1. Nitelikleri Silme ve Ekleme
103
PartitionedMultiFilter
106
4.5.1.2. Değerleri Değiştirme
107
MergeInfrequentValues
107
MissingWithUserConstant
107
4.5.1.3. Dönüştürmeler
108
4.5.1.4. String Dönüştürme
110
FixedDictionaryStringToWordVector
110
4.5.1.5. Zaman Serisi Verileri
110
4.5.1.6. Niteliklerin Rastgele Yapılması
111
4.5.2. Verilere Yönelik Gözetimsiz Filtreler
111
4.5.3. Gözetimli Filtreler
113
4.5.3.1. Gözetimli Nitelik Filtreleri
114
ClassConditionalProbabilities
114
4.5.3.2. Verilere Yönelik Gözetimli Filtreler
115
StratifiedRemoveFolds
115
4.6. Öğrenme Algoritmaları
115
4.6.1. Bayes Sınıflandırıcılar
116
NaiveBayesMultinomial
118
NaiveBayesMultinomialUpdateable
119
NaiveBayesMultinomialText
119
4.6.2. Ağaç Algoritmaları (Tree)
120
4.6.3. Kurallar (Rules)
124
SimpleLinearRegression
127
4.6.5. Tembel Algoritmalar (Lazy)
133
4.6.6. Çeşitli Sınıflandırıcılar (Misc)
135
InputMappedClassifier
136
4.6.7. Meta Öğrenme Algoritmaları
137
CostSensitiveClassifier
142
AttributeSelectedClassifier
142
IterativeClassifierOptimizer
144
ClassificationViaRegression
145
RegressionByDiscretization
146
4.7. Kümeleme Algoritmaları (Clustering)
147
HierarchicalClusterer
151
MakeDensityBasedClusterer
152
4.8. Birliktelik Kural Öğrenmeleri
153
4.9.1. Nitelik Değerlendiriciler
156
InfoGainAttributeEval
158
GainRatioAttributeEval
159
SymmetricalUncertAttributeEval
159
4.9.2. Arama Yöntemleri
161
5. WEKA İLE YAPAY SİNİR AĞLARI
165
5.2. Parametre Değerleri
173
5.2.1. Otomatik Oluşturma (AutoBuild)
173
5.2.2. Yığın Boyutu (BatchSize)
174
5.2.3. Ayıklama (debug)
175
5.2.4. Zayıflama (decay)
175
5.2.5. Verileri Kontrol Etme (doNotCheckCapabilities)
176
5.2.6. Öğrenme Oranı (learningRate)
177
5.2.7. Momentum (momentum)
177
5.2.8. Kategorik Verileri İkili Verilere Dönüştürme (nominalToBinaryFilter)
178
5.2.9. Verileri Normalize Etme (normalizeAttributes)
179
5.2.10. Sayısal Tahmin Değerini Normalize Etme (normalizeNumericClass)
179
5.2.11. Gizli Katmanlar (hiddenLayers)
180
5.2.12. Ondalıklı Sayı Sınırını Belirleme (numDecimalPlaces)
184
5.2.13. Baştan Başlatma (reset)
185
5.2.14. Başlangıç (seed)
185
5.2.15. Devir Sayısı (TrainingTime)
186
5.2.16. Doğrulama Kümesi Oranı (validationSetSize)
187
5.2.17. Doğrulama Eşiği (validationThreshold)
187
6. C# İÇİNDEN WEKA KULLANIMI
189
6.1. IKVM Uygulamasını İndirme
190
6.2. C# Tarafından Kullanılacak Weka.dll Dosyasını Üretme
191
6.3. Visual Studio İçinden Weka.dll Dosyasını Kullanma
196
7. ÖĞRENCİ DERS GEÇME NOTUNUN YAPAY ZEKÂ YÖNTEMLERİ İLE TAHMİN EDİLMESİ
211