Denetimli ML: Regresyon
Doğrusal regresyon, Ridge, Lasso, ElasticNet, metrikler (MSE, RMSE, R²), overfitting, düzenlileştirme
1Doğrusal regresyonun ana amacı nedir?
Doğrusal regresyonun ana amacı nedir?
Cevap
Doğrusal regresyon, kare hatalarının toplamını en aza indiren düz çizgiyi bularak bağımlı değişken (hedef) ile bir veya daha fazla bağımsız değişken (features) arasındaki ilişkiyi modellemeyi amaçlar. Bu teknik sürekli değerleri tahmin etmeye olanak tanır ve birçok daha karmaşık algoritmanın temelini oluşturur.
2Basit doğrusal regresyonda beta katsayısı (β₁) neyi temsil eder?
Basit doğrusal regresyonda beta katsayısı (β₁) neyi temsil eder?
Cevap
β₁ katsayısı regresyon doğrusunun eğimini temsil eder ve bağımsız değişkendeki bir birimlik artış için hedef değişkenin ne kadar değiştiğini gösterir. Pozitif bir β₁ pozitif ilişki anlamına gelirken, negatif β₁ değişkenler arası ters ilişkiyi ifade eder.
3Doğrusal regresyonda en uygun katsayıları bulmak için hangi yöntem kullanılır?
Doğrusal regresyonda en uygun katsayıları bulmak için hangi yöntem kullanılır?
Cevap
Sıradan En Küçük Kareler (OLS) yöntemi, gözlemlenen ve tahmin edilen değerler arasındaki fark olan kalıntıların karelerinin toplamını en aza indirir. Bu yaklaşım kapalı formda analitik bir çözüm sağlar ve doğrusal regresyon parametrelerini tahmin etmek için standart yöntemdir.
Regresyonda belirleme katsayısı R² neyi ölçer?
MSE (Mean Squared Error) ile RMSE (Root Mean Squared Error) arasındaki fark nedir?
+21 mülakat soruları
Diğer Data Science & ML mülakat konuları
Python Temelleri
Python Nesne Yönelimli Programlama
Python Veri Yapıları
Git Temelleri
SQL Temelleri
NumPy Temelleri
Pandas Temelleri
Jupyter & Google Colab
SQL Joins ve Gelişmiş Sorgular
İleri Pandas
Matplotlib & Seaborn ile Görselleştirme
Plotly ile Etkileşimli Görselleştirmeler
Tanımlayıcı İstatistik
Çıkarımsal İstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Denetimli ML: Sınıflandırma
Karar Ağaçları ve Topluluk Yöntemleri
Denetimsiz ML
ML Pipeline'ları & Doğrulama
Zaman Serileri & Tahminleme
Deep Learning Temelleri
TensorFlow & Keras
CNN ve görüntü sınıflandırma
RNN ve Diziler
Transformers ve Attention
NLP ve Hugging Face
GenAI ve LangChain
MLOps ve Dağıtım
Bir sonraki mülakatın için Data Science & ML'de uzmanlaş
Tüm sorulara, flashcards'a, teknik testlere, code review alıştırmalarına ve mülakat simülatörlerine eriş.
Ücretsiz başla