2.3.3. Özellikler ve Hedefler: Yapay Zekânın Malzemeleri

Bir yapay zekâ modelinin anlamlı tahminler yapabilmesi veya kararlar alabilmesi için belirli girdilere ve bu girdilerden türetilen bir çıktıya ihtiyacı vardır. Bu girdilere özellikler (features, inputs), çıktıya ise hedef (target, output) denir.
Bunlar, bir makine öğrenmesi projesinin temel yapı taşlarıdır ve modelin neyi öğreneceğini, neyi tahmin edeceğini belirler. Tıpkı bir yemek tarifindeki malzemeler gibidir: özellikler, yemeğin ham maddeleridir; hedef ise ulaşılmak istenen nihai sonuçtur.

1. Özellikler (Girdiler – Features / Inputs)

Tanımı
Bir makine öğrenmesi modelinin öğrenme sürecinde kullandığı, veri kümesindeki bağımsız değişkenlerdir. Her bir gözlem (satır), bu özelliklerin farklı değerlerini içerir. Model, bu değerler üzerinden örüntüler (kalıplar) bularak tahminlerde bulunur.

Önemi
Özellikler, modelin “neyi dikkate alacağını” belirler. Doğru ve anlamlı özelliklerin seçimi (özellik mühendisliği), modelin doğruluğunu doğrudan etkiler. Alakasız veya gürültülü özellikler, modelin performansını düşürebilir.

Örnekler

• Kredi Onaylama Modelinde: Gelir düzeyi, yaş, kredi puanı, istihdam durumu, medeni hâl, mevcut borç miktarı
• Ev Fiyatı Tahmininde: Metrekare, oda sayısı, banyo sayısı, konum, bina yaşı, bahçe büyüklüğü
• Hastalık Teşhisinde: Semptomlar (ateş, öksürük), laboratuvar sonuçları (kan testi, görüntüleme), tıbbi geçmiş
• Müşteri Kaybı Tahmininde: Web sitesinde geçirilen süre, abonelik türü, destek talepleri, son etkileşim tarihi

2. Hedef (Çıktı – Target / Output)

Tanımı
Makine öğrenmesi modelinin tahmin etmek üzere eğitildiği bağımlı değişkendir. Denetimli öğrenme senaryolarında, modelin ulaşmak istediği nihai cevaptır.

Örnekler

• Kredi Onaylama Modelinde: Kredi başvurusunun onaylanıp onaylanmayacağı (“Evet” / “Hayır”)
• Ev Fiyatı Tahmininde: Tahmin edilen ev satış fiyatı (sayısal değer)
• Hastalık Teşhisinde: Hastalığın varlığı veya yokluğu (“Pozitif” / “Negatif”)
• Müşteri Kaybı Tahmininde: Aboneliğin yenilenip yenilenmeyeceği (“Yenileyecek” / “Yenilemeyecek”)

Pratik İpucu: İş Dünyasında Doğru Özellik Seçimi

Yapay zekâ projelerinin başarısı, çoğunlukla doğru özelliklerin belirlenmesine ve nitelikli veri setlerinin oluşturulmasına bağlıdır. Veri bilimciler ile iş birimi uzmanları birlikte çalışarak, probleme en uygun ve açıklayıcı değişkenleri seçmelidir. Unutulmamalıdır: Ne kadar iyi bir algoritmanız olursa olsun, veri kalitesi düşükse model de etkisiz olacaktır. Yapay zekânın “girdisi” ne kadar iyiyse,