Regresyon Nedir? Makine Öğrenmesinde Regresyon

Regresyon, "kaç?" ya da "ne kadar?" sorusunu cevaplayan tahmin görevidir. Sınıflandırma bir veriyi kategoriye yerleştirirken regresyon sürekli bir sayı üretir: bir evin tahmini fiyatı, gelecek ayın elektrik tüketimi ya da bir siparişin teslim süresi gibi.

Nasıl çalışır?

Model, geçmiş verilerde girdi değişkenleri ile sonuç arasındaki ilişkiyi öğrenir. En basit biçimi doğrusal regresyondur: Veriye en iyi uyan doğruyu bulur. Örneğin "metrekare arttıkça fiyat da şu oranda artar" gibi bir ilişki kurar.

Diğer yaygın türler:

• Çoklu regresyon: Birden fazla girdi değişkeni kullanır (metrekare, oda sayısı, bina yaşı).
• Polinom regresyon: Doğrusal olmayan ilişkileri modeller.
• Ağaç tabanlı ve sinir ağı modelleri: Karmaşık ilişkileri yakalayabilir.

Not: Adındaki "regresyon" kelimesine rağmen "lojistik regresyon" aslında bir sınıflandırma yöntemidir.

Örnek

Varsayımsal bir veri setinde, evlerin metrekare ve konum bilgisiyle satış fiyatı arasındaki ilişki öğreniliyor. Model, 100 metrekarelik yeni bir ev için bir fiyat tahmini üretiyor. Bu tahmin, verinin kapsadığı dönem ve bölge için anlamlıdır; farklı bir şehir ya da dönemde geçerli olmayabilir.

Nelere dikkat etmeli?

• Korelasyon nedensellik değildir: İki değişkenin birlikte hareket etmesi biri diğerine neden oluyor demek değildir.
• Aşırı uyum: Model geçmiş veriyi ezberleyip yeni veride kötü sonuç verebilir (aşırı öğrenme).
• Veri aralığı dışında tahmin: Model, eğitimde görmediği değer aralıklarında güvenilmez hâle gelir.
• Finansal tahminler: Fiyat ya da getiri tahmini yapan regresyon modelleri belirsizlik taşır; geçmiş ilişkiler gelecekte bozulabilir. Bu tür çıktılar yatırım kararı için tek başına yeterli değildir.

Hata payını ölçmek için ortalama mutlak hata ve kök ortalama kare hata (RMSE) gibi ölçütler kullanılır.