Cart makina öğrenme algoritmasında iyileştirme ve banknot denetleme verisinde uygulama

Abstract

Bu bilimsel çalışmada, CART algoritması ile sınıflandırma işlemi yapılırken tümsüreçlerinin incelenmesi ve Kaggle platformu üzerinden alınan float türü verilerkullanarak algoritmik iyileştirmeler yapılması amaçlanmaktadır. Cross validationaşamasında eğitim verilerinin daha doğru seçilmesi ile ağaç yapısının daha doğrueğitilmesi beklenmektedir. Test ve eğitim verileri alt kümelere ayrılırken belirlikriterlere göre bu işlemlerin yapılması özellikle eğitim aşamasında sisteminkararlılığını artıracak ve başarı oranını yükseltecektir. Veri seti n alt bölüme ayrılmaaşamasında kullanılacak olan verilerin sınıflandırma sonucuna etkisini artırmakamacıyla algoritmik geliştirmeler yapılacaktır.

In this scientific study, it is aimed to examine all processes while performing classificationprocess with CART algorithm and to make algorithmic improvements by using float type dataobtained from Kaggle platform. In cross validation phase, it is expected that the tree structurewill be educated more accurately by selecting the training data more accurately. When testingand training data is subdivided, performing these procedures according to certain criteria willincrease the stability of the system and increase the success rate, especially during the trainingphase. Algorithmic improvements will be made in order to increase the effect of the data to beused in the division of data set n sub-section on the classification result.