İkili sınıflandırma problemlerinde çok katmanlı algılayıcı ve destek vektör makineleri sınıflandırıcılarının hiperparametrelerinin en iyilenmesi

Abstract

Makine öğreniminde genellikle sağlam çalışan ve doğru tahminler yapan bir model oluşturulması hedeflenir. Parametre değerlerinin en iyilenmesi bu amaç doğrultusunda iyi bir çözüm sunar. Bu tez çalışmasının amacı, Destek Vektör Makineleri ve Çok Katmanlı Algılayıcı makine öğrenmesi algoritmalarının ikili sınıflandırma problemlerindeki başarılarını arttırmak için parametre en iyilemesi gerçekleştirmektir. Bunun için Rastgele Arama, Bayesian Arama ve Optuna en iyileme yöntemlerinin bu sınıflandırıcılara katkıları ele alınmıştır. Bu çerçevede, üç veri seti üzerinde deneysel çalışmalar gerçekleştirilmiştir. Hem Destek Vektör Makineleri hem de Çok Katmanlı Algılayıcı için Rastgele Arama ve Bayesian Arama metotları çoğunlukla Optuna metodundan daha iyi performans sunmuşlardır. Dahası, deneysel çalışmalar ele alınan probleme bağlı olarak en iyileme yöntemlerinin bu sınıflandırıcılar üzerinde olumlu etkisinin olabileceğini bize göstermiştir