PYTHON İLE VERİ MADENCİLİĞİBu kitapta Python programlama dili ile veri madenciliği uygulamaları gösterilmiştir. Python programlama dili son zamanlarda en fazla kullanılan dil olma özelliğine sahip. Özellikle yapay zekâ uygulamalarında Python programlama diline olan rağbet artmaktadır. Bu kitapta Python programlama diline hızlı bir giriş için de bir bölüm bulunmaktadır. Bu anlamda bu bölüm, programlama tecrübesi olmayan okuyucular için de bir rehber olarak görülebilir. Kitapta, teorik bilgilerin anlatıldığı bölümlerin içerisinde geliştirilen kodlar da verilmiştir. Bu sayede okuyucuya gösterilen konu ile ilgili ne gibi uygulamalar yapılabileceği hakkında izlenim verilmiştir. Kitapta yer alan kodlar Python 3.8 programlama dili ve Jupyter notebook ortamında yazılmıştır. Kullanılan kütüphaneler ve kütüphane versiyonları ile ilgili bilgi, bölümler içerisinde verilmiştir. Kitapta genel olarak üzerinde durulan kütüphaneler, NumPy, Pandas, Matplotlib ve Scikit-Learn kütüphaneleridir. Bu kütüphanelerin detaylı bir şekilde öğrenilmesi ile çoğu veri madenciliği uygulaması geliştirilebilir. Araştırmacıların kendi kodlarını yazması, geliştirecekleri uygulamalar açısından araştırmacılara elverişli ve esnek bir yapı sunar. Bu nedenle paket programlardan ziyade kodlar ile veri madenciliği uygulamaları geliştirilmesi daha uygun olacaktır. Kitapta ayrıca makine öğrenmesi alanındaki algoritmalardan olan regresyon analizleri, karar ağaçları, kümeleme algoritmaları ve birliktelik analizleri algoritmalarından da bahsedilmiştir. Belirtilen algoritmaların Python kodları bölümler içerisinde verilmiştir. • Veri Madenciliğine Giriş • Python Programlama Dili için Hızlı Bir Kurs • NumPy ile Bilimsel Hesaplamalar • Pandas ile Veri Seti İşlemleri • Matplotlib ile Veri Görselleştirme • Scikit-Learn ve Makine Öğrenmesi • Doğrusal Regresyon Modelleri • Lojistik Regresyon Modeli • Karar Ağaçları ile Sınıflandırma • K-Means Algoritması ile Kümeleme • Birliktelik Analizleri • Makine Öğrenmesi Uygulamaları |
Contents
| 1 | |
| 2 | |
| 4 | |
| 7 | |
| 8 | |
Diğer Veri Madenciliği Araçları | 22 |
Özet | 25 |
PYTHON PROGRAMLAMA DİLİ İÇİN HIZLI BİR KURS | 27 |
Izgaralar ile Subplot Çizdirme | 151 |
pltsubplot2grid Fonksiyonu | 152 |
Grafiklere Farklı Elemanlar Ekleme | 153 |
Grafiklerin Kaydedilmesi | 157 |
Grafik Çeşitleri | 161 |
Stil Dosyaları ile Çalışmak | 165 |
Özet | 167 |
SCIKITLEARN VE MAKİNE ÖĞRENMESİ | 169 |
Jupyter Hakkında | 28 |
Gömülü Fonksiyonlar | 29 |
Değişken Dönüşümü | 32 |
Aritmetik İşlemler | 36 |
Fonksiyonlar | 38 |
Modüller ve Paketler | 43 |
Paket İçeri Alma Importing | 44 |
Koşullu Durumlar if elif else | 50 |
Döngüler | 52 |
Python Modülleri | 54 |
Özet | 57 |
VERİ HAZIRLAMA VE ÖN İŞLEME İŞLEMLERİ | 59 |
Entity Framework | 60 |
Temel Tanımlayıcı İstatistikler | 64 |
Benzerlik Ölçüleri | 69 |
Veri Setleri | 82 |
Özet | 102 |
NUMPY İLE BİLİMSEL HESAPLAMALAR VE VERİ DÖNÜŞÜMLERİ | 105 |
Python Dilinde Listeler | 106 |
NumPy Dizileri | 107 |
Rassal Veri Oluşturma | 110 |
Dizilerde İndeksleme ve Dilimleme | 111 |
Mantıksal Sınama ve Maskeleme Fancy Indexing | 114 |
Şekil Dönüşümleri | 116 |
NumPy Dizilerinin Kopyalanması | 117 |
Dizilerin Okunması ve Dışarı Aktarılması | 118 |
Özet | 120 |
PANDAS İLE VERİ SETİ İŞLEMLERİ | 121 |
Entity Framework | 122 |
Pandas Serileri | 124 |
Veri Çerçevesi | 125 |
Pandas İndeksleri | 126 |
İndeksleme Seçme Dilimleme Filtreleme İşlemleri | 127 |
Pandas Kütüphanesindeki Bazı Önemli Fonksiyonlar | 129 |
Özet | 136 |
MATPLOTLİB İLE VERİ GÖRSELLEŞTİRME | 137 |
Entity Framework | 138 |
Matplotlib Grafiklerine Giriş | 139 |
Grafiklere Özellik Ekleme | 141 |
Çoklu Figürler Çoklu Matplotlib Grafikleri | 145 |
Makine Öğrenmesinde Temel Kavramlar | 170 |
ScikitLearn Kütüphanesi Hakkında | 177 |
Özet | 183 |
DOĞRUSAL REGRESYON MODELİ | 185 |
Entity Framework | 186 |
Gradyan Azalma Algoritması | 199 |
Regülarizasyon | 206 |
Çoklu Regresyon Analizi ve ScikitLearn Uygulaması | 207 |
Özet | 214 |
LOJİSTİK REGRESYON İLE SINIFLANDIRMA | 215 |
Entity Framework | 216 |
Python ile Örnek Lojistik Regresyon Çalışması | 221 |
Özet | 225 |
KARAR AĞAÇLARI İLE SINIFLANDIRMA | 227 |
Entity Framework | 228 |
Makine Öğrenmesinde Karar Ağaçları | 229 |
Gini Indeks | 241 |
Golf Oynama Veri Setinin ScikitLearn ile Modellenmesi | 243 |
ScikitLearn Kütüphanesi ile Karar Ağaçları Uygulaması | 254 |
Özet | 258 |
KMEANS ALGORİTMASI İLE KÜMELEME | 259 |
Kümeleme Analizleri | 260 |
Kümeleme Çeşitleri | 261 |
KMeans Kümeleme Algoritması | 262 |
Hiyerarşik Kümeleme | 264 |
KMeans Algoritması Uygulaması | 265 |
Özet | 268 |
BİRLİKTELİK ANALİZLERİ | 269 |
Sepet Analizi Basket Analysis | 270 |
Birliktelik Kurallarının Çıkartılması | 271 |
Orange Paketi ile Birliktelik Kuralları | 272 |
Özet | 276 |
MAKİNE ÖĞRENMESİ MODELLERİ UYGULAMALARI | 277 |
Entity Framework | 278 |
COVID19 Türkiye Verileri Veri Madenciliği Uygulama Örneği | 282 |
Özet | 288 |
Bibliyografya | 289 |
Entity Framework | 290 |