Machine Learning Fundamentals – Python Practice

Bu repository, Makine Öğrenmesi (Machine Learning) konularını öğrenme sürecinde Python kullanılarak geliştirilmiş algoritma bazlı pratik çalışmaları içermektedir.
Her .py dosyası, belirli bir makine öğrenmesi algoritmasını veya veri işleme adımını tek başına ve öğretici şekilde ele almaktadır.

Çalışmalar, teorik bilgilerin gerçek veri setleri üzerinde uygulanmasını amaçlamaktadır.

📚 Kapsanan Makine Öğrenmesi Konuları

🔹 Regresyon Algoritmaları

• Linear Regression (LinearRegression2.py)
• Multiple Linear Regression (MultipleLinearRegression3.py)
• Polynomial Regression (PolynomialReggression4.py)
• Support Vector Regression – SVR (SVRReggression5.py)
• R² Score hesaplama (R^2Hesaplaması8.py)

🔹 Sınıflandırma Algoritmaları

• Logistic Regression (LogisticRegression9.py)
• K-Nearest Neighbors – KNN (KNN11.py)
• Decision Tree (DecisionTree6.py, KararAğaçları12.py)
• Random Forest Classification (RandomForest7.py, RandomForestSınıflandırması13.py)
• Confusion Matrix (ConfusionMatrix10.py)

🔹 Kümeleme (Clustering)

• K-Means
• Hierarchical Clustering
  (KMeansAndHiyerarşik14.py)

🔹 Birliktelik Kuralları (Association Rule Learning)

• Apriori Algorithm (apriori.py, apyori.py)

🔹 Reinforcement Learning

• Upper Confidence Bound – UCB (ucb.py)
• Thompson Sampling (thompson.py)
• Ads Click-Through Rate Optimization (Ads_CTR_Optimisation.csv)

🔹 Veri Ön İşleme (Data Preprocessing)

• Eksik verilerin ele alınması (eksikveriler.py)
• Kategorik verilerin dönüştürülmesi (Kategorikveriler.py)
• Veri birleştirme (Verilerinbirleştirilmesi.py)
• Train / Test ayrımı
• Ölçeklendirme işlemleri

🔹 Uygulama ve Ödev Çalışmaları

• Tenis veri seti uygulamaları (TenisOdev3.1.py)
• Çeşitli küçük veri setleri ile pratik çalışmalar

📂 Veri Setleri

Çalışmalarda kullanılan örnek veri setleri:

• maaslar.csv
• satislar.csv
• musteriler.csv
• veriler.csv
• sepet.csv
• odev_tenis.csv
• eksikveriler.csv

Veri setleri, algoritmaların mantığını daha iyi kavrayabilmek için basit ve öğretici olacak şekilde seçilmiştir.

🎯 Projenin Amacı

• Makine öğrenmesi algoritmalarını temel seviyede derinlemesine öğrenmek
• Python ile veri analizi ve modelleme pratiği kazanmak
• Aşağıdaki alanlar için sağlam bir temel oluşturmak:
  • Veri Bilimi (Data Science)
  • Makine Öğrenmesi
  • Yapay Zekâ
  • Teknik mülakatlar ve stajlar

🛠 Kullanılan Teknolojiler

• Python
• NumPy
• Pandas
• Matplotlib
• Scikit-learn