# Denetimli ML: Sınıflandırma (Data Science & ML)

> Lojistik regresyon, KNN, SVM, metrikler (accuracy, precision, recall, F1, ROC-AUC), eşik değerleri

- 24 mülakat soruları
- Mid-Level
- [Mülakat Soruları: Data Science & ML](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari.md)

## 1. Denetimli bir sınıflandırma algoritmasının ana amacı nedir?

**Cevap**

Denetimli sınıflandırma, etiketli verilerden öğrenerek giriş features'larından bir kategori veya sınıf (ayrık değişken) tahmin etmeyi amaçlar. Sürekli değerleri tahmin eden regresyondan farklı olarak, sınıflandırma her gözlemi önceden tanımlanmış bir sınıfa (ikili veya çok sınıflı) atar.

## 2. Lojistik regresyon tahminleri olasılıklara dönüştürmek için hangi matematiksel fonksiyonu kullanır?

**Cevap**

Sigmoid (veya lojistik) fonksiyonu, herhangi bir reel değeri 0 ile 1 arasında bir olasılığa dönüştürür. sigma(z) = 1/(1+e^(-z)) olarak tanımlanır. Bu fonksiyon, çıktının pozitif sınıfa ait olma olasılığı olarak yorumlanmasına olanak tanır.

## 3. Lojistik regresyon modelinde katsayılar neyi temsil eder?

**Cevap**

Lojistik regresyon katsayıları, ilgili feature'daki her birim değişiklik için log-odds'taki değişimi temsil eder. Pozitif bir katsayı pozitif sınıfın olasılığını artırırken, negatif bir katsayı azaltır. Katsayının üstel değeri odds ratio'yu verir.

## 21 soru daha mevcut

- K-Nearest Neighbors (KNN) algoritması sınıflandırma için nasıl çalışır?
- KNN algoritmasında k değerini seçmenin etkisi nedir?

Ücretsiz kaydol: https://sharpskill.dev/tr/login

## Diğer Data Science & ML mülakat konuları

- [Python Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-basics.md): 25 soru, Junior
- [Python Nesne Yönelimli Programlama](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-oop.md): 20 soru, Junior
- [Python Veri Yapıları](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/python-data-structures.md): 20 soru, Junior
- [Git Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/git-fundamentals.md): 18 soru, Junior
- [SQL Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/sql-basics.md): 20 soru, Junior
- [NumPy Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/numpy-fundamentals.md): 22 soru, Junior
- [Pandas Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/pandas-basics.md): 22 soru, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/jupyter-colab.md): 16 soru, Junior
- [SQL Joins ve Gelişmiş Sorgular](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/sql-joins-advanced.md): 22 soru, Mid-Level
- [İleri Pandas](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/pandas-advanced.md): 24 soru, Mid-Level
- [Matplotlib & Seaborn ile Görselleştirme](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/matplotlib-seaborn.md): 20 soru, Mid-Level
- [Plotly ile Etkileşimli Görselleştirmeler](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/plotly-interactive.md): 18 soru, Mid-Level
- [Tanımlayıcı İstatistik](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/statistics-descriptive.md): 20 soru, Mid-Level
- [Çıkarımsal İstatistik](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/statistics-inferential.md): 24 soru, Mid-Level
- [Web Scraping](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/web-scraping.md): 18 soru, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/bigquery-cloud.md): 18 soru, Mid-Level
- [Feature Engineering](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/feature-engineering.md): 22 soru, Mid-Level
- [Denetimli ML: Regresyon](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-supervised-regression.md): 24 soru, Mid-Level
- [Karar Ağaçları ve Topluluk Yöntemleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-trees-ensembles.md): 24 soru, Mid-Level
- [Denetimsiz ML](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-unsupervised.md): 22 soru, Mid-Level
- [ML Pipeline'ları & Doğrulama](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-pipelines-validation.md): 22 soru, Mid-Level
- [Zaman Serileri & Tahminleme](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/time-series-forecasting.md): 22 soru, Mid-Level
- [Deep Learning Temelleri](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/deep-learning-fundamentals.md): 24 soru, Senior
- [TensorFlow & Keras](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/tensorflow-keras.md): 22 soru, Senior
- [CNN ve görüntü sınıflandırma](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/cnn-image-classification.md): 24 soru, Senior
- [RNN ve Diziler](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/rnn-sequences.md): 22 soru, Senior
- [Transformers ve Attention](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/transformers-attention.md): 24 soru, Senior
- [NLP ve Hugging Face](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/nlp-huggingface.md): 24 soru, Senior
- [GenAI ve LangChain](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/genai-langchain.md): 24 soru, Senior
- [MLOps ve Dağıtım](https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/mlops-deployment.md): 24 soru, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/tr/technologies/data-science/mulakat-sorulari/ml-supervised-classification