Veri Madenciliği

Yanıt Açıklaması: Minkowski uzaklık formülünde ?=1 olarak alınırsa Manhattan (City-Block) Uzaklığına dönüşür. Doğru cevap C şıkkıdır.

Yanıt Açıklaması: Veri madenciliği çalışmaları yapmak için var olması gereken iki temel öge veri ve veri- tabanıdır. Bununla birlikte burada sözü edilen veritabanı, işletmelerin günlük kayıtlarının yer aldığı ve işlemsel veritabanı olarak adlandırılan veri tabanları değildir.

Yanıt Açıklaması: Önceden tanımlanmış bir vektörün birim sayısını öğrenmek için length () fonksiyonu kullanılır. length (x)=6 Doğru cevap B şıkkıdır.

Yanıt Açıklaması: Elde var olan mevcut sınıflanmış veriler kullanarak yeni bir verinin mevcut sınıflardan herhangi birine girme olasılığını hesaplayan yönteme bayes sınıflandırması denilmektedir. Bu nedenle doğru cevap D seçeneğidir.

Yanıt Açıklaması: Veri madenciliğinde temel değişken tipleri; İsimsel (Nominal), İkili (Binary), Sıra Gösteren (Ordinal), Tamsayılı (Integer), Aralıklı Ölçümlendirilmiş (IntervalScaled), Oranlı Ölçümlendirilmiş (Ratio-Scaled) değişkenler olmak üzere gruplandırılabilir.

Yanıt Açıklaması: Veri madenciliği, büyük miktardaki veri yığınları üzerinde analiz yaparak veriler ara- sında var olan ve geleceğin tahmin edilmesine yardımcı olacak anlamlı ve yararlı ilişki ve kuralların bilgisayar yazılımları aracılığıyla aranması faaliyetleridir. Veri madenciliği, çeşitli analiz araçlarını kullanarak veriler arasındaki örüntü (desen) ve ilişkileri keşfederek, bunları doğru tahminler yapmak için kullanan bir süreçtir. Veri madenciliği, veri analizi için, gelişmiş ve karmaşık araçlar kullanarak yığın veri kümeleri içinden daha önceden bilinmeyen olgu ve olayları keşfetmek ve veriler arasındaki mantıklı ilişkileri ve kalıpları ortaya çıkarmak amacıyla yapılan çalışmalardır. Veri madenciliği, istatistiksel ve matematiksel tekniklerle birlikte örüntü tanıma tekno- lojilerini kullanarak çeşitli depolama ortamlarında kayıtlı bulunan veri yığınları üzerinde gerçekleştirilen elemeler sonucunda anlamlı yeni korelasyon, örüntü ve eğilimlerin keş- fedilmesi sürecidir. Yığın veri içinden anlamlı ilişkiler çıkarma ve yararlı bilgilere dönüştürme işlemine zaman içerisinde; bilgi çıkarımı, enformasyon keşfi, enformasyon hasadı, veri arkeolojisi, veri örüntü işleme, veri şablon işleme gibi farklı isimler verilmiştir. Burada belirtilmesi gereken diğer bir nokta, veri madenciliği kavramı ile veritabanla- rında bilgi keşfi kavramının zaman zaman aynı anlamda kullanıldığıdır. Ancak bu doğru bir kullanım değildir. C¸ünkü veri madenciliği, veritabanlarında bilgi keşfi sürecinin yalnızca bir adımıdır.

Yanıt Açıklaması: Makine öğrenimi bilgisayarların kendisine algoritmalar yoluyla verilen kuralları uygulaması ve büyük veri kümeleri içinden örnekler çıkararak verileri bu kurallara göre sınıflamaları, tanımlamaları ve dolayısıyla öğrenmeleri olarak ifade edilebilir. Bu öğrenmeler sonucunda çıkarımlarda bulunarak geçmiş veri örnekleri yardımıyla gelecekte daha iyi sonuçlar üretme konusunda veri madenciliği uygulamasına katkıda bulunurlar.

Yanıt Açıklaması: Bilgisayarların bazı işlemlerden çıkarsamalar yaparak yeni işlemler üretmesine makine öğrenimi denilir. Bu nedenle doğru cevap B olmaktadır.