Makine öğrenmesinde regresyon analizi nedir diye soruyorsanız, bilinen değişkenlerle sayısal bir sonuç arasındaki ilişkiyi modelleme yöntemidir. Örneğin kâğıt şeridinin uzunluğundan, onu boncuk hâline sarma süresini tahmin edebilirsiniz. Sonuç bir süre tahminidir; her işin tam o kadar süreceğine dair söz değildir.
Hayalî bir kâğıt boncuk atölyesi düşünelim. Aynı tür kâğıttan kesilmiş şeritlerin uzunluğunu santimetre, sarma süresini dakika olarak kaydedelim. Buradaki sayılar ve denklem açıklama için seçildi; gerçek bir ölçümün veya Yapay Zeka uygulamasında yapılmış deneyin sonucu değiller.
Regresyonda hangi değişkeni tahmin ederiz?
Atölyedeki sorumuz "Bu şerit kaç dakikada sarılır?" olsun. Uzunluk, önceden bildiğimiz girdi değişkenidir. Süre ise tahmin etmek istediğimiz hedef değişkendir. İstatistikte bunlara sırasıyla bağımsız ve bağımlı değişken de denir. Denetimli öğrenme yazısında girdiyle bilinen hedefin nasıl eşleştiğini anlatmıştık.
Her satır tek bir sarma işini göstersin. Aynı işin uzunluğu ile süresini birlikte tutarız. Başlangıç anını da sabitleyelim: Kesilmiş şerit hazırken sarmaya başlanır; boncuk biçimi tamamlandığında ölçüm biter. Kesme ve kuruma süresini bazı kayıtlara ekleyip bazılarından çıkarmak farklı işleri karşılaştırmamıza yol açar.
"Boncuk kırmızı mı, krem mi?" diye sorsaydık hedefimiz bir sınıf olurdu. Dakika tahmin etmek sayısal bir görevdir. Regresyonu yalnızca geleceği söylemek gibi düşünmeyin; sonucu henüz bilinmeyen bir işin değerini tahmin etmek için de kullanırız.
Basit doğrusal regresyon denklemi nasıl okunur?
Google'ın Türkçe doğrusal regresyon dersinde tahmin, sabit bir başlangıç değeriyle girdinin ağırlıklı toplamı olarak gösteriliyor. Tek girdili bir örnekte bunu düz bir çizgiyle ifade edebiliriz. Gerçek kayıtlardan model kurarken katsayılar veriye göre hesaplanır. Tek bir gözlemi çizgiye oturtmak yerine bütün kayıtların sapmaları değerlendirilir. Birkaç uygun örneği seçip kalanları gizlemek sonucu olduğundan iyi gösterebilir.
Biz yalnızca denklemi okumak için şu hayalî kuralı kullanalım: "Tahmini süre = 2 + 0,5 × uzunluk." Uzunluğu santimetre olarak yazdığımızda sonuç dakika olsun. Bu kuralın gerçek boncuk yapımını doğru anlattığını varsaymıyoruz.
12 santimetrelik şerit için hesap 2 + 0,5 × 12 = 8 dakikadır. 14 santimetrede tahmin 9 dakikaya çıkar. Katsayıyı bu model içinde okuyabiliriz: Uzunluk bir santimetre arttığında tahmin yarım dakika artar.
Sabit 2 değeri, çizginin uzunluk sıfırken verdiği sonuçtur. "Sıfır uzunluğunda boncuk iki dakikada yapılır" diye bir fiziksel açıklama kuramayız. İncelenen şeritler örneğin 10–20 santimetre arasındaysa sıfır, verimizin dışındadır. Denklemdeki her sayının günlük hayatta tek başına karşılığı olmak zorunda değildir.
Ölçülen süre tahminden farklıysa neye bakarız?
12 santimetrelik iş gerçekte 9 dakika sürmüş olsun. Modelin tahmini 8 dakikaydı. Gözlenen değerden tahmini çıkarırsak 9 − 8 = 1 dakika buluruz. Bu farka artık denir. AWS'nin doğrusal regresyon açıklaması da gözlenen ve tahmin edilen değerler arasındaki farkı bu adla ele alıyor.
Aynı uzunluktaki başka bir iş 7 dakika sürerse artığı −1 dakikadır. İki işin ortalama artığı sıfır çıkar; yine de her ikisinde birer dakikalık sapma vardır. Bu nedenle işaretli farkların birbirini götürmesini "bütün tahminler doğru" diye yorumlamayın. Hatanın büyüklüğünü görmek için mutlak farklara da bakılabilir.
Tek bir düzgün örnekle yetinmeyin. Uzun şeritler sürekli beklenenden fazla zaman alıyorsa çizgi, ilişkinin o bölümünü iyi açıklamıyor olabilir. Kâğıt kalınlığı gibi kaydedilmemiş bir bilgi de fark yaratabilir. Eksik süreyi sıfırla doldurmak yerine ölçülmediğini belirtin; kaydın ne söylediğini modelden önce kontrol edin.
İlişki, neden ve yeni tahmin nasıl ayrılır?
Kayıtlar yalnızca 10–20 santimetrelik şeritlerden oluşuyorsa 15 santimetre için tahmin, gözlenen aralığın içindedir. Aynı denkleme 80 yazabilmek, çok uzun bir şeritte aynı ilişkinin süreceğini göstermez. Kâğıt yırtılabilir veya sarma biçimi değişebilir. Bu yeni koşul için ayrıca veri gerekir.
Uzun şeritlerin daha yavaş sarılması da tek başına neden kanıtı sunmaz. Hayalî atölyede uzun şeritleri hep yeni başlayanlar kullanmış olabilir. Uzunlukla deneyim birbirine karışmıştır. AWS'nin karşılaştırması, bulunan ilişkinin nedensellik anlamına gelmediğini açıkça belirtiyor.
Kavramı Yapay Zeka'da çalışırken "Bu denklemle 12 santimetrenin tahminini hesapla, ardından ölçülen 9 dakikayla farkını açıkla" diye sorabilirsiniz. Yanıtın altındaki kaynakları açın, hesabı kendiniz de yapın. Bir sohbetten alınan açıklamayı gerçek kayıtlarla kurulmuş ve sınanmış bir regresyon modeli saymayın.
