Gözetimsiz (Denetimsiz) Öğrenme Yöntemleri

Gözetimsiz öğrenme bağımlı değişkenin olmadığı, yalnızca girdi değişkenlerinin olduğu problemlerde kullanılan makine öğrenmesi yöntemleridir. Veri setindeki gizli yapıları ve desenleri keşfetmek için istatistiksel ve matematiksel teknikleri kullanır. Bu sayede veriler gruplara ayrılabilir, veri setindei özeller çıkarılabilir, benzerlik veya farklılıklar belirlenebilir.

Gözetimsiz öğrenme; veri analizi, veri keşfi ve veri ön işleme gibi birçok alanda kullanılmaktadır. Bu yöntem verilerin anlaşılması, görselleştirilmesi ve daha sonra diğer makine öğrenme tekniklerine uygulanması için temel adım olarak da kullanılabilir.

Aşağıdaki görseldeki gibi çeşitli lego parçalarının bir arada olduğu bir yığın düşünelim. Her bir lego parçası bir gözlem birimini temsil ediyor olsun. 

Bu lego parçalarını renklerine göre ayırdığımızda, aşağıdaki görseldeki gibi benzer renkleri bir araya getirmemiz gerekecektir. Oluşturduğumuz bu gruplar “küme”lerdir. Örneğin lego yığınına yeni birkırmızı parçanın geldiğini düşünelim. Bu yeni parçanın hangi kümeye dahil olacağına oluşturmuş olduğumuz kümelere bakarak karar verebiliriz. Böylece “sınıflandırma” yapmış oluruz.

Gözetimsiz öğrenme (Unsupervised Learning) yöntemlerinden yaygın olarak kullanılan bazıları aşağıdaki gibidir:

• K-Ortalamalar yöntemi (K-Means)
• Hiyerarşik kümeleme analizi (Hierarchical cluster analysis)
• Temel bileşen analizi (Principal component analysis)

Şimdi bu yöntemleri inceleyelim.

K-Ortalamalar yöntemi (K-Means)

Kümeleme problemlerinde kullanılan en basit gözetimsiz öğrenme algoritmalardan biridir. Etiketlenmemiş veriler, kümeleme yöntemi ile gösterdikleri özelliklere göre sınıflandırılır. Binlerce verinin olduğu bir veri havuzunda veriler, benzer özelliklerine göre kümelere ayrılır ve birbirlerine yakınlığına bağlı olarak belli sayıda veri kümeleri oluşur. 

K-Means kümeleme algoritması, verilerde açıkça etiketlenmemiş grupları ve örüntüleri bulmak ve daha iyi kararlar almak için kullanılır. Algoritma çalıştırılıp gruplar tanımlandıktan sonra herhangi bir yeni veri kolayca bağlı olacağı gruba atanabilir. 

K-ortalamalar yöntemi (görsel kaynağı)

Yukarıdaki şekilde birinci grafikte görülebileceği gibi, gözlemler birbirlerine yakınlıklarına göre kümelere ayrıldığında ikinci gradikteki gibi kümelendiklerini gözlemleriz. Kümelemede kaç grup oluşacağı verinin içindeki nesnelerin birbirine benzerlik derecesine göre değişmektedir.

K-Means algoritması şu şekilde çalışır: 

• Öncelikle K adet küme sayısı belirlenir,
• K adet rastgele merkez nokta belirlenir,
• Her gözlem için K merkezlere uzaklıklar hesaplanır,
• Her bir gözlem en yakın olduğu kümeye atanır,
• Gözlemlerin ataması yapıldıktan sonra oluşan kümeler için tekrar merkez hesaplamaları yapılır,
• Yeni merkezlere göre gözlemler tekrar kümelere atanır ve bu işlem optimum küme merkezi belirlenene kadar iteratif şekilde devam eder.

Kullanım alanlarından birkaçı ise aşağıdaki gibi sıralanabilir: 

• Pazarlama ve müşteri segmentasyonu: Müşteriler belirli özelliklere göre gruplandırılabilir. Böylece benzer davranış gösteren, aynı gruptaki müşterilere benzer kampanya/çözüm önerileri getirilebilir.
• Görüntü işleme: Bir görüntüdeki pikseller benzer renklere sahip bölgelere gruplandırılır.
• Biyoinformatik: Genetik paternleri ve farklı gen ifadesi profilleri belirlenebilir.
• Finansal analiz: Hisse sentleri veya finansal enstrümanlar arasında benzer özelliklere sahip gruplar oluşturarak portföy yönetimi ve risk analizi yapılabilir.
• Coğrafi bilgi sistemleri (CBS): CBS uygulamalarında bölgelerin sınıflandırılmasında kullanılır. 

Hiyerarşik kümeleme analizi (hierarchical cluster analysis)

Hiyerarşik kümeleme algoritmasının temel mantığı, gözlemlerin birbirlerine olan benzerliklerine göre alt kümelere ayrılmasına dayanmaktadır. Bu kümelerin hiyerarşisi, bir ağaç (veya dendrogram) olarak temsil edilir. Ağacın kökü, tüm örnekleri toplayan benzersiz küme iken yapraklar yalnızca bir örnek içeren kümelerdir.

Hiyerarşik kümelemenin günlük yaşamımızda biyoloji (DNA dizilerinin kümelenmesi), görüntü işleme, pazarlama, ekonomi ve sosyal ağ analizi dahil (ancak bunlarla sınırlı olmamak üzere) çeşitli uygulamaları vardır.

Birleştirici (agglomerative) ve bölücü (divisive) olmak üzere iki temel yaklaşım mevcuttur. 

Birleştirici (agglomerative) hiyerarşik kümeleme

Bu yaklaşım aşağıdan yukarıya doğrudur. Her gözlem tek bir küme olarak kabul edilerek başlanır. Ardından, yalnızca bir küme elde edilene kadar kümeler yinelemeli olarak birleştirilir. 

Birleştirici kümeleme yaklaşımının dendogramı (görsel kaynağı)

Yukarıdaki dendogramı incelediğimizde her bir hayvanın benzerliklerine göre üç farklı kümeye (kuşlar-memeliler-üçten fazla bacaklılar) alındığını, daha sonra kuşlar ve memeliler kümesini birleştirip “omurgalılar” kümesinin oluşturulduğunu görmekteyiz. Son olarak da omurgalılar ve üçten fazla bacaklılar birleştirilerek “hayvanlar” ana kümesi elde edilmiştir.

Bölücü (divisive) hiyerarşik kümeleme

Bu yaklaşım yukarıdan aşağıya doğrudur. Tüm veri noktaları benzersiz bir küme olarak kabul edilerek başlanır. Ardından, tüm veri noktaları benzersiz olana kadar ayrılır.

Bölücü kümeleme yaklaşımının dendogramı (görsel kaynağı)
 

Dendogramı incelediğimizde ilk başta tek bir “hayvanlar” kümesinden oluştuğunu sonra bölünerek “omurgalılar” ve “üçten fazla bacaklılar” kümelerine ayrıldığını, “omurgalılar” kümesinin de “kuşlar” ve “memeliler” kümesine ayrıldığını görmekteyiz. Her bir  veri noktası benzersiz olana kadar bölünme işlemi devam etmiştir.

Hiyerarşik kümeleme analizinin kullanım alanlarından birkaçı şu şekildedir: 

• Biyomedikal ve biyoinformatik: Gen ifadesi profillerinin veya proteinlerin fonksiyonel gruplara ayrılmasında kullanılır.
• Coğrafi bilgi sistemleri (CBS): Coğrafi bölgelerin sınıflandırılması ve bölge tabanlı analizlerin yapılmasında kullanılır.
• Pazarlama ve müşteri segmentasyonu: Müşterilerin benzer özelliklerine dayalı olarak hiyerarşik bir yapıda gruplandırılmasında kullanılır.
• Veri görselleştirme: Hiyerarşik bir yapıda gruplandırarak veri setinin daha anlaşılır şekilde sunulmasında yararlanılır.
• Ekonomi ve finans: Finansal enstrümanların benzerliklerine dayalı olarak bir portföyü gruplandırmak veya ekonomik verileri benzer özelliklere sahip gruplara ayırmada kullanılır.

Temel bileşen analizi (principal component analysis, PCA)

Çok değişkenli verinin daha az sayıda değişken ile temsil edilmesidir. Böylece az miktarda bilgi kaybı göze alınarak değişken boyutu indirgenmiş olur. 

Temel bileşen analizi, eldeki veriyi daha az sayıda değişkenle ifade edebilecek en iyi dönüşümü belirlemeyi amaçlar. Dönüşüm sonrasında elde edilen değişkenler ilk değişkenlerin temel bileşenleri olarak adlandırılır. İlk temel bileşen varyans değeri en büyük olandır ve diğer temel bileşenler varyans değerleri azalacak şekilde sıralanır. Gürültüye karşı düşük hassasiyet, bellek ve kapasite ihtiyaçlarının azalması, az boyutlu uzaylarda daha etkin çalışması bu yöntemin temel avantajlarındandır (Sütçüler E., 2006).

Aşağıdaki grafiklerden üç boyutlu verinin PCA yöntemi uygulanarak 2 boyuta indirgenmesi görülebilmektedir. Oluşan bileşenler arasında korelasyon yoktur. Varyansa dayalı gruplama yapılır.

Temel bileşen analizi (görsel kaynağı)

Kullanım alanlarından birkaçı aşağıdaki gibi sıralanabilir:

• Veri ön işleme: Yüksek boyutlu veri setlerinde gereksiz ve korelasyonlu değişkenler belirlenebilir.
• Görüntü işleme: Yüksek çözünürlüklü bir görüntü düşük boyutlu temsil edilebilir veya görüntüler sıkıştırılabilir.
• Finansal veri analizi: Çok sayıda hisse senedi veya finansal enstrümanın analizinde kullanılabilir.
• Biyoinformatik: Özellikle büyük boyutlu genetik verilerin analizinde kullanılabilir.
• Pazarlama ve müşteri segmentasyonu: Müşteri verilerinin boyutları azaltılarak gruplara ayrılmasında kullanılır. 

Her ne kadar benzer amaçlar için kullanılarsa da yukarıda bahsedilen üç yöntem amaç, kullanılan veri tipi, grup sayısı ve hesaplama süresi gibi başlıklar altındaki aşağıdaki gibi kıyaslanabilir. Her bir yöntem kendi benzersiz özellikleri ve kullanım alanlarına sahiptir. Doğru yöntemi seçmek, veri setinin özelliklerine ve analiz amaçlarına bağlıdır.

Bu yazımızda uygulamada sıkça karşılabildiğimiz popüler gözetimsiz öğrenme yöntemlerinden bahsettik. Genel olarak veri kümeleme, boyut azaltma, veriler arasındaki gizli örüntüleri ortaya çıkartmak için kullanılan gözetimsiz öğrenme yöntemlerine daha detaylı bir şekilde bakmak için Miuul’un sunmuş olduğu gerek bireysel eğitimlere, gerekse kariyer yolculuklarına göz atabilirsiniz.

Kaynaklar

Veri Bilimi Okulu, Makineler nasıl öğrenir

Veri Bilimi Okulu, Hiyerarşik kümeleme 

DataCamp, An introduction to hierarchical clustering in Python

Medium, Madushan D., Introduction to K-means clustering

scikit-learn, Clustering

Sütçüler E., “Gerçek Zamanlı Video Görüntülerinden Yüz Bulma ve Tanıma Sistemi”, Yüksek Lisans tezi, Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, 90 s, 2006

Javatpoint, K-Means Clustering Algorithm

NLPCA, PCA - Principal Component Analysis