Kümeleme Yöntemleri: Scikit-learn Kullanarak Öğrenme

Adı : Kümeleme Yöntemleri: Scikit-learn Kullanarak Öğrenme

Kümeleme, veri madenciliği alanında sıkça kullanılan bir tekniktir. Veri kümesinde benzer özelliklere sahip örneklerin bir araya getirilmesi amaçlanır. Kümeleme yöntemleri, veri noktalarını gruplara ayırarak her bir grubun birbirinden farklı olmasını sağlar. Bu yazıda, kümeleme yöntemleri ve Scikit-learn kütüphanesi kullanılarak yapılan kümeleme işlemleri hakkında detaylı bir şekilde bilgi vereceğim.

Scikit-learn, Python programlama dilinde sıklıkla kullanılan bir makine öğrenimi kütüphanesidir. İçerisinde birçok kümeleme algoritması bulunan bu kütüphane, veri analitiği ve makine öğrenimi projelerinde yaygın olarak kullanılmaktadır.

K-Means Kümeleme Algoritması:
En yaygın olarak kullanılan kümeleme algoritmalarından biri K-Means algoritmasıdır. Bu algoritma, veri noktalarını belirli sayıda küme sayısına göre gruplara ayırır. Her bir kümenin bir merkezi vardır ve her veri noktası, en yakın merkeze göre sınıflandırılır. Algoritmanın adı \"K\" kelimesinden gelir, çünkü algoritma, kullanıcı tarafından belirlenen \"K\" sayısı kadar küme oluşturur.

Scikit-learn kütüphanesi ile K-Means kümeleme algoritmasını kullanmak oldukça basittir. İlk adım olarak, gerekli paketleri ve kütüphaneleri yüklememiz gerekmektedir:

```python
from sklearn.cluster import KMeans
import numpy as np
```

Ardından, bir veri kümesi oluşturarak algoritmayı uygulayabiliriz:

```python
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
```

Bu örnekte, 6 veri noktasından oluşan bir veri kümesi tanımladık ve k-ortalama algoritmasını kullanarak bu veri kümesini 2 farklı küme olarak ayırdık. Bu kümeleme işlemi sonucunda, her bir veri noktası kendi kümesine atanmış olur.

Kümeleme sonucunu görselleştirmek için, matplotlib kütüphanesini kullanabiliriz:

```python
import matplotlib.pyplot as plt

plt.scatter(X[:,0], X[:,1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:,0], kmeans.cluster_centers_[:,1], color='red')
plt.show()
```

Bu kod bloğunda scatter plot ile veri noktaları kümelere göre renklendirilir ve küme merkezleri belirtilen renkte gösterilir. Bu şekilde, veri kümesinin ne şekilde kümelere ayrıldığı görselleştirilir.

Bu örnekte, veri noktalarının (1,2), (1,4) ve (1,0) olanlarının bir küme oluşturduğunu, (4,2), (4,4) ve (4,0) olan veri noktalarının ise diğer bir küme oluşturduğunu görüyoruz.

Bir diğer kümeleme yöntemi olan Hiyerarşik Kümeleme algoritması, her veri noktasını ayrı bir küme olarak başlatır ve ardından en yakın komşuları bir araya getirilerek kümeleme işlemi gerçekleştirir. Bu yöntemde, \"mesafe\" kavramı kullanılarak veri noktalarının birbirlerine olan uzaklığı hesaplanır. Her aşamada, en yakın iki küme birleştirilerek hiyerarşik bir ağaç yapısı oluşturulur.

Scikit-learn kütüphanesi ile hiyerarşik kümeleme algoritması kullanmak için şu adımları izleyebiliriz:

```python
from sklearn.cluster import AgglomerativeClustering

X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
agglomerative = AgglomerativeClustering(n_clusters=2).fit(X)
```

Bu örnekte, aynı veri kümesini kullanarak hiyerarşik kümeleme algoritmasını uyguladık ve sonucunda yine 2 küme elde ettik. Bu kümeleme algoritmasının temel amacı, veri noktalarını bir araya getirmek ve benzerliklerine göre gruplandırmaktır.

Bir diğer kümeleme yöntemi olan PCA (Principal Component Analysis), veri kümesindeki değişkenleri dönüştürerek veri noktalarının daha az sayıda yeni değişkene indirgenmesini sağlar. Bu indirgemeyle birlikte, veri noktaları daha az boyutta ifade edilir ve bu sayede analiz ve görselleştirme işlemleri daha kolay hale gelir.

Scikit-learn kütüphanesi ile PCA kullanarak kümeleme yapmak için aşağıdaki adımları izleyebiliriz:

```python
from sklearn.decomposition import PCA

X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
pca = PCA(n_components=2).fit(X)
```

Bu örnekte, aynı veri kümesini kullanarak PCA uyguladık ve sonucunda da 2 boyutlu bir veri kümesi elde ettik. PCA, veri kümesini temsil eden ve en fazla varyansı içeren temel bileşenleri (principal component) hesaplar. Bu nedenle, veri noktalarını daha düşük boyutta ifade ederek analiz ve görselleştirme işlemlerini kolaylaştırır.

Sık Sorulan Sorular:
1. Kümeleme yöntemleri nelerdir?
Kümeleme yöntemleri arasında K-Means, Hiyerarşik Kümeleme, DBSCAN ve PCA bulunur.

2. K-Means neden K-Means olarak adlandırılır?
K-Means algoritması, kullanıcı tarafından belirlenen \"K\" sayısı kadar küme oluşturur. Bu nedenle, \"K\" kelimesi algoritmanın adında yer alır.

3. K-Means ve Hiyerarşik Kümeleme arasındaki fark nedir?
K-Means algoritması, veri noktalarını belirli sayıda küme sayısına göre gruplara ayırırken; Hiyerarşik Kümeleme algoritması, her veri noktasını ayrı bir küme olarak başlatır ve en yakın komşuları bir araya getirilerek kümeleme işlemi gerçekleştirir.

4. PCA yöntemi hangi amaçla kullanılır?
PCA, veri noktalarının daha az sayıda yeni değişkene indirgenmesini sağlar. Bu, veri noktalarının daha düşük boyutta ifade edilerek analiz ve görselleştirme işlemlerini kolaylaştırır.

Bu yazıda, kümeleme yöntemleri ve Scikit-learn kütüphanesi kullanılarak yapılan kümeleme işlemleri hakkında bilgi verdim. K-Means, Hiyerarşik Kümeleme ve PCA kümeleme yöntemlerine değindim ve her bir yöntemin nasıl kullanıldığını detaylı bir şekilde anlattım.

Kaynaklar:
- https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
- https://scikit-learn.org/stable/modules/generated/sklearn.cluster.AgglomerativeClustering.html
- https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html"