LBFGS Logistic Regression Predictive Model
Bu aktivite, verilen eğitim verisi üzerinden L-BFGS algoritması kullanarak bir Lojistik Regresyon modeli oluşturur ve bu model yardımıyla tahmin işlemleri gerçekleştirir. Aktivite, kullanıcıdan gelen ayarlarla birlikte eğitim sürecini özelleştirir ve belirli bir test oranı ile model doğruluğunu test eder.
Özellikler
Display Name:Aktivitenin süreç içinde ayırt edilmesi için verilen isimdir. Varsayılan olarak "LBFGS Logistic Regression Predictive Model" olarak ayarlanır.
Description : Aktivitenin işlevini açıklayan isteğe bağlı bir not alanıdır. Sürecin bakımını kolaylaştırmak için kullanılır.
Delay Before : Aktivite başlamadan önce geçen bekleme süresini (saniye cinsinden) belirtir.
Varsayılan Değer: 0 (Bekleme olmadan çalışır).
Örnek Kullanım: Aktivitenin çalıştırılmasından önce belirli bir süre beklemek gerekiyorsa, bu süre burada belirtilir. Örneğin, 2 yazılırsa aktivite başlamadan önce 2 saniye bekler.
Delay After: Aktivite tamamlandıktan sonra geçen bekleme süresini (saniye cinsinden) belirtir.
Varsayılan Değer: 0 (Bekleme olmadan bir sonraki aktiviteye geçer).
Örnek Kullanım: İşlem tamamlandıktan sonra sistemde gecikmeler yaşanıyorsa ya da sonraki adımın başlaması için bir süre verilmesi gerekiyorsa, bu alanda belirtilir.
Continue On Error: Aktivite sırasında bir hata oluştuğunda sürecin devam edip etmeyeceğini kontrol eden özelliktir.
True: Aktivite hata aldığında bile süreç çalışmaya devam eder.
False: Aktivite hata alırsa süreç durur.
Varsayılan Değer: False (Varsayılan olarak süreç hata alırsa durur).
Örnek Kullanım: Kritik olmayan işlemlerde hata olsa bile sürecin devam etmesi isteniyorsa bu seçenek True olarak ayarlanır. Örneğin, bir dosyanın varlığını kontrol eden bir aktivitede hata alınırsa ve süreç bu hataya rağmen devam etmeliyse bu seçenek aktif edilir.
Inputs
Model Path
Veri Tipi: Text
Açıklama: Eğitilen modelin kaydedileceği dosya yoludur.
Örnek: C:\GenProjects\AIModels
Separator Char
Veri Tipi: Character
Açıklama: Veri dosyasındaki ayırıcı karakter.
Has Header
Veri Tipi: True/False
Açıklama: Veri dosyasının başlık içerip içermediğini belirtir.
Allow Quoting
Veri Tipi: True/False
Açıklama: Veride tırnak işaretlerine izin verilip verilmediğini belirtir.
Trim Whitespace
Veri Tipi: True/False
Açıklama: Verilerdeki boşlukların kırpılıp kırpılmayacağını belirtir.
Allow Sparse
Veri Tipi: True/False
Açıklama: Seyrek (sparse) veri desteğinin olup olmadığını belirtir.
Label Column Name
Veri Tipi: Text
Açıklama: Etiket (hedef) kolonunun adıdır.
Feature Column Name
Veri Tipi: Text
Açıklama: Özellik (bağımsız değişken) kolonunun adıdır.
Example Weight Column Name
Veri Tipi: Text
Açıklama: Örnek ağırlıklarının bulunduğu kolonun adıdır (isteğe bağlı).
L1Regularization
Veri Tipi: Float
Açıklama: L1 düzenleme katsayısı.
L2Regularization
Veri Tipi: Float
Açıklama: L2 düzenleme katsayısı.
Optimization Tolerance
Veri Tipi: Float
Açıklama: Optimizasyon için tolerans değeri.
Test Fraction
Veri Tipi: Float
Açıklama: Verilerin test için ayrılacak oranı (örneğin 0.2 → %20 test verisi).
History Size
Veri Tipi: Number
Açıklama: Eğitim sırasında tutulacak geçmiş adım sayısı.
Enforce Non Negativity
Veri Tipi: True/False
Açıklama: Modelde negatif olmayan katsayılar zorunlu kılınsın mı?
Output Column Name
Veri Tipi: Text
Açıklama: Tahmin edilen sonuçların yazılacağı sütunun adı.
Input Column Name
Veri Tipi: Text
Açıklama: Girdi verilerinin bulunduğu sütunun adı.
Sample Statement
Veri Tipi: Text
Açıklama: Modelin çalıştırılmasına örnek teşkil eden ifade veya açıklama (dökümantasyon/deneme amaçlı kullanılabilir).
Workspace Path
Veri Tipi: Text
Açıklama: Geçici dosyaların saklanacağı dizin yolu.
Varsayılan Değer: C:\GenProjects\AIModel
Outputs
Result
Veri Tipi: Collection
Açıklama: Lojistik regresyon modeli tarafından üretilen tahmin sonuçlarını içeren koleksiyondur.
Kullanım Örnekleri:
CSV formatındaki müşteri verileri ile churn tahmini modeli eğitmek.
Medikal ölçümlere göre hastalık tahmin modeli oluşturmak.
Eğitim sonrası aynı modelle tahmin yapmak için Predict aktivitesiyle birlikte kullanmak.
Not:
Girdi dosyası düzgün biçimlendirilmiş olmalıdır.
Etiket ve özellik kolonlarının doğru şekilde belirtilmesi gerekir.
Eğitim süresi verinin büyüklüğüne ve donanım kapasitesine göre değişebilir.
Last updated