En yakın örnekle tahmin: Python’da küçük bir sınıflandırma deneyi
Tek bir ölçüyle en yakın örneği seçen küçük Python deneyini inceleyin. Mesafe, etiket ve genelleme sınırlarını birlikte tartışın.

Yapay zekâ ile hazırlanmış temsili eğitim görseli.
Bir nesnenin ölçüsüne bakarak, daha önce gördüğümüz hangi örneğe benzediğini sorabiliriz. Aşağıdaki çalışma, tek bir sayısal özellik üzerinden en yakın etiketli örneği seçer. Küçük bir sınıflandırma fikrini göstermek içindir; gerçek nesne tanıma sistemi veya doğrulanmış bir eğitim başarısı ölçümü değildir.
Örnekler ve yeni ölçüm
ornekler = [(2, "kısa"), (5, "orta"), (8, "uzun")]
yeni_olcum = 6
en_yakin = min(ornekler, key=lambda satir: abs(satir[0] - yeni_olcum))
print(en_yakin[1])
Çıktı “orta” olur; çünkü 6 sayısı listedeki 5’e diğerlerinden daha yakındır. Önce sayı doğrusunda mesafeleri gösterin. Sonra kodu çalıştırın. Burada etiketler tamamen kurgusal örnek veridir; gerçek bir standart uzunluk sınıflandırmasını temsil etmez.
min karşılaştırılan değeri en küçük olan öğeyi seçer. key bölümündeki kısa işlev, uzaklığın nasıl hesaplandığını belirler. Sözdizimi öğrencinin seviyesini aşarsa kodu bir anda ezberletmek yerine fiziksel kartlarla yakınlık fikrini açıklamak mümkündür.
Aynı mesafede iki örnek olursa?
Yeni ölçümü 3.5 yapın. İlk iki örneğe uzaklık eşit olur. Bu kısa Python kodunda ilk karşılaşılan eşit en küçük değer seçilir. Listenin sırası değiştiğinde sonucun değişebilmesi, eşitlik durumunu ayrıca düşünmemiz gerektiğini gösterir. Kodun bu sınırı gizlenmemelidir.
İkinci bir özellik eklense yakınlığı nasıl tanımlayacağınızı yeniden planlamanız gerekir. Yalnız boy ölçüsünden bir nesnenin bütün özelliklerini çıkarmak mümkün değildir. Bu nedenle “çalışan kod” ile “amacına uygun model” aynı iddia sayılmaz.
Yeni örneklerle sınayın
Öğrenme örneklerinden farklı ölçümler belirleyin ve hangi etiketleri beklediğinizi önceden yazın. Sonucu görüp beklentiyi sonradan değiştirmek yerine uyuşmayan durumları tartışın. Küçük veriyle elde edilen sonucu gerçek ürün veya öğrenci başarısı yüzdesine çevirmeyin.
Alanya’da Yonga Akademi’nin Python ve yapay zekâ programını incelerken, öğrencinin yalnız tahmin üreten değil, tahmin kuralını ve sınırlarını açıklayan çalışmalarını sorun. Modeli sorgulamak da üretimin bir parçasıdır.
Kaynak: Python min işlevi.
İlgili programı inceleyin ve uygunluk hakkında bilgi alın
Kaynaklar ve ileri okuma
İlgili yazılar

Python ve dijital üretim
Python’da yapay zekâ projesine başlarken öğrenme ve test verisi neden ayrılır?
2 dk okuma

Python ve dijital üretim
Aynı kodu yeniden çalıştırınca sonuç neden değişebilir?
2 dk okuma

Ekransız etkinlikler
Ekransız yapay zekâ oyunu ile gerçek model eğitimi arasındaki fark nedir?
2 dk okuma
Çocuğunuz için uygun teknoloji yolunu keşfedin
Yonga Akademi’nin aktif kodlama, robotik ve yapay zekâ programlarını inceleyin veya kayıt başvurusu bırakın.
