Veri madenciliği uygulamalarında sınıflandırma teknikleri, yaygın bir şekilde kullanılmakta olup öğrenme algoritmasına dayanmaktadır. Sınıflandırma teknikleri, ulaşılmak istenen verinin ortak özelliklerine göre ayrıklaştırılarak veri kümesinin önceden belirlenen bir sınıfa atanması işlemidir. Etiketli eğitim verileri üzerinden giriş verisi ve buna karşılık gelen çıkış değerinin eşleştirilmesini sağlayan denetimli öğrenme yapısı kullanılmaktadır. Sınıflandırma etiketleme yapılmış herhangi bir veri kümesi üzerinde uygulanabilir. Sınıflandırma için çeşitli algoritmalar kullanılmaktadır. Rastgele Orman Algoritması sınıflandırma yöntemleri içerisinde başarılı sonuçlar oluşturan algoritmalardan birisidir. Bu algoritma, birden çok karar ağacının birleşimi ile oluşturulmuş, her bir karar ağacının farklı gözlem üzerinde eğitilmesi ile modeller oluşturarak sınıflandırma yapan ve toplu öğrenme sağlayan bir algoritmadır. Rastgele Orman Algoritması, sınıflandırma ve regresyon problemlerinde kullanım kolaylığı ve esnekliği sağladığı için yaygın olarak kullanılmaktadır. Bu algoritma, veri kümesinin daha derin keşfedilmesini sağlar. Veri madenciliği uygulamalarında, aşırı uyum sonuçları kötü yönde etkileyen bir durumdur fakat bu algoritmada, yeterli düzeyde ağaç bulunması durumunda bu problemin oluşma ihtimali azalmaktadır. Eğitim veri seti üzerinde, en önemli özelliği tanımlamak için de kullanılabilir. Bankacılık, tıp, borsa, ticaret uygulamalarında yaygın bir şekilde kullanılmaktadır. Bu çalışmada, kapalı bir alanda toplanan 7 farklı WIFI sinyalinin Rastgele Orman Algoritması ile sınıflandırılması yapılmıştır. Veri seti için önemli özellikler belirlenerek sınıflandırma başarısına etkisi incelenmiştir. Çalışmada kullanılan veriler dört farklı sınıfa ayrılmış ve %99 başarı elde edilmiştir.
Anahtar Kelimeler: Denetimli Öğrenme, Makine Öğrenmesi, Rastgele Orman Algoritması, Veri Analizi
|
