# Sınıflandırma

Adres: https://softwaredictionary.org/tr/terimler/classification
Kategori: Yapay Zekâ ve Makine Öğrenmesi
Son güncelleme: 2026-10-06
İngilizcesi: Classification
Okunuşu: klesifikeyşın

Kısaca: Sınıflandırma, modelin her girdi için bir kategori tahmin ettiği denetimli öğrenme türüdür: bir e-postanın spam olup olmadığı ya da fotoğraftaki rakam gibi.

## Makine öğrenmesinde sınıflandırma nedir?

Sınıflandırma, denetimli öğrenmenin iki ana türünden biridir; diğeri sayı tahmin eden regresyondur. Bir sınıflandırma modeli etiketli örneklerden, yani doğru kategoriyle eşleştirilmiş girdilerden öğrenir ve ardından yeni girdilere bu kategorilerden birini, yani bir sınıfı atar. Bir spam filtresi, bir dolandırıcılık dedektörü ve destek taleplerini fatura, hata ya da özellik isteği olarak etiketleyen bir model, hepsi birer sınıflandırıcıdır.

Üç yaygın kurulum vardır. İkili sınıflandırma, dolandırıcılık olup olmaması gibi iki sınıf arasında seçim yapar; çok sınıflı sınıflandırma, bir görüntüde 0 ile 9 arasındaki hangi rakamın olduğu gibi, birkaç sınıftan tam olarak birini seçer; çok etiketli sınıflandırma ise bir makalenin konuları gibi aynı anda birkaç etiket ekleyebilir. Çoğu sınıflandırıcı her sınıf için bir olasılık ya da puan üretir; uygulama bunu, varsayılanı çoğu zaman 0,5 olan ve daha fazla vakayı yakalamak ya da daha az yanlış alarm vermek için kaydırılabilen bir eşikle karara dönüştürür. Lojistik regresyon, karar ağaçları, gradient boosting ağaçları ve sinir ağları yaygın sınıflandırma modelleridir.

Doğru tahminlerin oranı olan doğruluk (accuracy) akla ilk gelen puandır ama yanıltabilir. İşlemlerin yalnızca 100'de 1'i dolandırıcılıksa, her zaman "dolandırıcılık değil" diyen bir model yüzde 99 doğrudur ve hiçbir işe yaramaz. Bu yüzden sınıflandırıcılar ayrıca kesinlik (precision: işaretlenen vakaların kaçının gerçek olduğu), duyarlılık (recall: gerçek vakaların kaçının yakalandığı) ve her tür doğru ve yanlış cevabı sayan bir tablo olan karışıklık matrisiyle (confusion matrix) değerlendirilir.

Temel ayrım sınıflandırma ile regresyon arasındadır: sınıflandırma bir kategori, regresyon ise fiyat ya da teslimat süresi gibi bir sayı tahmin eder. Kafa karıştırıcı biçimde lojistik regresyon bir sınıflandırma modelidir; adını, bir puanı olasılığa çevirmek için kullandığı lojistik fonksiyondan alır. Sınıflandırma, etiketsiz veriyi grupların ne olduğu söylenmeden gruplayan denetimsiz bir teknik olan kümelemeden (clustering) de farklıdır.

## Önemli noktalar

- Sınıflandırma her girdi için sınıf denen bir kategori tahmin eder.
- Denetimlidir: model doğru sınıfla etiketlenmiş örneklerden öğrenir.
- İkili, çok sınıflı ve çok etiketli sınıflandırma üç yaygın kurulumdur.
- Dengesiz verilerde doğruluk yanıltabilir; kesinlik ve duyarlılık daha çok şey söyler.
- Regresyon ise sayı tahmin eder; lojistik regresyon da aslında bir sınıflandırıcıdır.

## Örnek: scikit-learn ile bir sınıflandırıcı eğitmek ve değerlendirmek

```python
from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
from sklearn.model_selection import train_test_split

# Labeled data: tumor measurements (X) and the class, 0 = malignant, 1 = benign (y)
X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

# Despite its name, logistic regression is a classification model
clf = LogisticRegression(max_iter=5000).fit(X_train, y_train)

print(clf.predict_proba(X_test[:1]))  # probability of each class
print(classification_report(y_test, clf.predict(X_test)))  # precision, recall, F1
```

## Sık sorulan sorular

**Sınıflandırma ile regresyon arasındaki fark nedir?**

Sınıflandırma, spam olup olmaması gibi bir kategori; regresyon ise yarınki sıcaklık gibi bir sayı tahmin eder. İkisi de denetimli öğrenmedir ve karar ağaçları gibi bazı algoritmaların iki türü de vardır.

**Karışıklık matrisi (confusion matrix) nedir?**

Bir sınıflandırıcının tahminlerini gerçek etiketlerle karşılaştıran bir tablodur. İki sınıf için doğru pozitifleri, yanlış pozitifleri, doğru negatifleri ve yanlış negatifleri sayar; böylece modelin tam olarak ne tür hatalar yaptığını gösterir.

**LLM'ler sınıflandırma yapabilir mi?**

Evet. Bir dil modeli metni yalnızca bir prompt'la, bazen birkaç örnekle kategorilere ayırabilir; bu da etiketli veri az olduğunda işe yarar. Yüksek hacimlerde ise küçük, eğitilmiş bir sınıflandırıcı genellikle daha ucuz, daha hızlı ve daha tutarlıdır.

## Kaynaklar

- [scikit-learn documentation: Classification metrics](https://scikit-learn.org/stable/modules/model_evaluation.html#classification-metrics)
- [scikit-learn documentation: Logistic regression](https://scikit-learn.org/stable/modules/linear_model.html#logistic-regression)

---

Software Dictionary: https://softwaredictionary.org/tr · https://softwaredictionary.org/tr/llms.txt