https://github.com/oguzhansarigol/machine-learning-oguzhan-sarigol
My Machine Learning Learning Process
https://github.com/oguzhansarigol/machine-learning-oguzhan-sarigol
linear-regression lineer-regresyon machine-learning python sklearn
Last synced: 7 months ago
JSON representation
My Machine Learning Learning Process
- Host: GitHub
- URL: https://github.com/oguzhansarigol/machine-learning-oguzhan-sarigol
- Owner: oguzhansarigol
- Created: 2024-09-18T11:59:53.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2024-12-08T19:55:49.000Z (10 months ago)
- Last Synced: 2025-02-05T14:42:44.888Z (8 months ago)
- Topics: linear-regression, lineer-regresyon, machine-learning, python, sklearn
- Language: Jupyter Notebook
- Homepage:
- Size: 2.16 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Machine Learning and Data Science Projects
Merhaba! Bu repository, makine öğrenmesi ve veri bilimi projelerimi içerir. Projeler, çeşitli veri setleri ve algoritmalar kullanarak yapılan tahmin, analiz ve sınıflandırma çalışmalarını kapsamaktadır.
## İçerik
### 1. **Proje Dosyaları**
- **Audi Price Predict with Preprocessing and Pandas Dummy Method.ipynb**
Audi araç fiyatlarını tahmin etmek için verileri ön işleme ve pandas dummy metodu kullanılarak yapılan çalışma.
- **Banka_Müşteri_Kaybı_Analizi.ipynb**
Banka müşterilerinin kayıp oranını analiz etmek ve tahmin etmek için hazırlanan churn analizi.
- **Count_Vectorizer_NLP.ipynb**
Doğal dil işleme (NLP) giriş seviyesinde Count Vectorizer uygulaması.
- **FBProphet_ile_Zamana_Bağlı_Yapay_Zeka_Bitcoin_USD_Tahminleri.ipynb**
Bitcoin/USD fiyatlarının zaman serisi analizi ve tahmini için FBProphet modeli ile yapılan çalışma.
- **LabelEncoder.ipynb**
Kategorik değişkenlerin kodlanması için kullanılan LabelEncoder örnekleri.
- **Linear Regression first codes.ipynb**
Lineer regresyon üzerine ilk uygulamalar.
- **Random_Forest_Regressor.ipynb**
Rastgele orman algoritması ile regresyon çalışması.
- **Regression with Coef,Intercepti,Accuracy.ipynb**
Regresyon modeli ile katsayı, kesişim noktası ve doğruluk oranlarının analizi.
- **Youtube_StandardScaler_and_MinMaxScaler.ipynb**
StandardScaler, MinMaxScaler ve normalizasyon teknikleri üzerine uygulamalar.
- **decision_tree_classifier_and_random_forest_classifier.py**
Karar ağacı ve rastgele orman sınıflandırıcılarının Python ile uygulaması.
- **logistic_regression.py**
Lojistik regresyon modeli ile tahmin çalışmaları.
- **machine_learning_error_metrics.py**
Makine öğrenmesi hata metriklerinin analizi.
- **overfitting,_underfitting,_balanced_fitting.py**
Aşırı öğrenme (overfitting), yetersiz öğrenme (underfitting) ve dengeli öğrenme üzerine örnekler.
- **ridge_regresyon_(l2).py**
Ridge (L2) regresyon modeli üzerine çalışma.
- **train_test_split_method_with_audi.py**
Audi veri seti ile train-test split yöntemi üzerine çalışma.
- **xgb_xgboost_boosting.py**
XGB-XGBoost boosting algoritması ile makine öğrenmesi modeli.
### 2. **Veri Setleri**
- **Audi_A1_listings.csv**
- **Plane Price.csv**
- **Student_Marks.csv**
- **Tour_Winners_data_1.csv**
- **UCI_Credit_Card.csv**
- **churn.csv**
- **heart.csv**
- **insurance.csv**
- **student_scores.csv**
---
## 3. Python
Bu proje, Python programlama dili ile hazırlanmıştır ve çeşitli kütüphaneler kullanılarak geliştirilmiştir. Proje, veri analizi, makine öğrenmesi veya ilgili başka konular üzerine odaklanmaktadır.
## Gerekli Kütüphaneler
Projeyi çalıştırmak için aşağıdaki kütüphanelere ihtiyacınız olabilir:
- `numpy`
- `pandas`
- `matplotlib`
- `scikit-learn`
İlgili veri setlerini kullanarak projeleri çalıştırabilir ve sonuçları inceleyebilirsiniz.
---
### 4. **Lisans**
Bu repository, eğitim ve bireysel gelişim amaçlı olarak hazırlanmıştır. İçeriğin kullanımı durumunda, lütfen kaynak gösteriniz. Kodların büyük bir bölümü Hasan Çağrı Güngör'ün Machine Learning derslerinden esinlenilerek oluşturulmuştur.