Çok görülen sınıfı söylemek neden iyi bir model olduğunu kanıtlamaz?

Bir sınıflandırma projesinde toplam doğru sayısı yüksek görünebilir; yine de model az görülen sınıfı hiç bulamıyor olabilir. Bunu çocuklarla konuşmak için gerçek öğrenci sonuçlarına gerek yoktur. On iki daire ve üç kareden oluşan tamamen kurgusal bir kart destesi kullanabilirsiniz.

Hiç bakmadan hep aynı cevabı verin

Oyundaki basit yöntem her karta “Daire” desin. On iki daire doğru, üç kare yanlış sayılır. Toplamda on beş örneğin on ikisi doğru olduğundan doğruluk yüzde seksendir. Bu, eğitim amacıyla hesaplanan hayali bir örnektir; Yonga Akademi öğrencileri veya bir gerçek modelin başarısı değildir.

Şimdi yalnız kare kartlarına bakın. Üç karenin hiçbiri bulunmamıştır. Toplam oran tek başına okunduğunda bu önemli eksiklik gizlenebilir. Çocuğa “Bizim görevimiz kareleri de bulmaksa bu yöntem yeterli mi?” diye sorun.

Her sınıfı ayrı inceleyin

Bir tabloya daireler ve kareler için gerçek adet, doğru tahmin ve yanlış tahmin sütunları ekleyin. Çocuk toplam sonuçla sınıf içindeki sonucu yan yana görsün. Böylece “Kaç tanesi doğru?” sorusunun ardından “Hangi türlerde doğru?” sorusu gelir.

Makine öğrenmesinde bir sınıfın diğerinden çok daha fazla örneğe sahip olduğu durumlar ayrıca ele alınır. Google’ın sınıf dengesizliği rehberi, bu veri yapısının eğitim ve değerlendirmedeki etkilerini açıklar. Buradaki kart oyunu yalnız temel problemi görünür kılar.

Çözümü de otomatik saymayın

Her sınıfa eşit sayıda kart koymak, bütün gerçek projelerde tek doğru yöntem değildir. Eğitim verisinin düzeni ile modelin karşılaşacağı gerçek örnek dağılımı farklı olabilir. İlk öğrenci projesinde önemli olan bu dağılımları açıkça belirtmek ve az görülen sınıftaki hataları saklamamaktır.

Alanya’da Yonga Akademi’nin yapay zekâ eğitim yaklaşımını incelerken yüksek oranların nasıl yorumlandığını sorun. Güçlü değerlendirme yalnız büyük bir yüzde göstermez; sayının hangi örneklere dayandığını ve hangi hataları görünmez bırakabildiğini de anlatır. Öğrencinin tabloya bu soruyla bakması, model çalıştırmanın ötesinde bir kontrol alışkanlığına alan açar.