Skip to main content

> ML_ALGORITMALAR_v1.0

Algoritma & Yöntem Aileleri

9 disiplinde 100 doğrulanmış algoritma: Klasik Denetimli, Denetimsiz, Zaman Serisi, Anomali, Derin Öğrenme, Öneri Sistemleri, Nedensel Çıkarım, Pekiştirmeli Öğrenme ve Özel Yöntemler.

Hızlandırıcı Matrisi14D Seçim Motoru
Toplam 100 Algoritma Ailesi (Sayfa 2 / 6)Matematiksel Olarak Doğrulanmış
Algoritma
O(k * p^2)classical-unsupervised

Gauss Karışım Modelleri (GMM / Beklenti-Maksimizasyonu)

Kesin atamalar yerine olasılıksal yumuşak küme üyelikleri (sonsal olasılıklar) üretir.

Uygulayıcı Araçlar:
Scikit learnCaret rstatsmodels
clusteringdensity estimationanomaly detection
#gaussian-mixture-modelsDetay
Algoritma
O(trees * log(subsample))classical-unsupervised

İzolasyon Ormanı (iForest)

Anomali skoru ortalama ağaç yolu derinliğinin doğrudan monoton bir fonksiyonudur.

Uygulayıcı Araçlar:
Scikit learnPyodLinfa
anomaly detectionoutlier rejection
Makale (2008)Detay
Algoritma
O(n) for novelty modeclassical-unsupervised

Yerel Aykırı Değer Faktörü (LOF)

LOF oranı, noktanın yerel komşuluğuna göre ne kadar daha az yoğun olduğunu doğrudan bir çarpan olarak gösterir.

Uygulayıcı Araçlar:
Scikit learnPyod
anomaly detection
#local-outlier-factorDetay
Algoritma
O(support_vectors * p)classical-unsupervised

Tek Sınıflı Destek Vektör Makinesi (OC-SVM)

Kararlar bir başlangıç düzlemine olan yüksek boyutlu çekirdek mesafeleri tarafından belirlenir.

Uygulayıcı Araçlar:
Scikit learnPyodLinfa
anomaly detectionnovelty detection
#one-class-svmDetay
Algoritma
O(p * components)classical-unsupervised

Bağımsız Bileşenler Analizi (FastICA)

Fiziksel olarak anlamlı temel bağımsız kaynak sinyallerini kurtaran bir ayrıştırma matrisi üretir.

Uygulayıcı Araçlar:
Scikit learnSciPy
feature extractionsignal processing
#independent-component-analysisDetay
Algoritma
O(p * k)classical-unsupervised

Negatif Olmayan Matris Çarpanlara Ayırma (NMF)

Bileşenler negatif değildir ve verilerin toplamsal yapı taşları olarak doğrudan yorumlanabilir.

Uygulayıcı Araçlar:
Scikit learnCaret rSciPy
feature extractiontopic modelingdimensionality reduction
#non-negative-matrix-factorizationDetay
Algoritma
O(length^2 * d)self-supervised

Maskelenmiş Dil Modellemesi (MLM / BERT)

Dikkat haritaları sonradan incelenebilir; dahili çok başlıklı temsiller oldukça dağıtıktır.

Uygulayıcı Araçlar:
TransformersPyTorchKerashub
text classificationtoken classificationfeature extraction
Makale (2018)Detay
Algoritma
O(forward_pass)self-supervised

Karşıtsal Temsil Öğrenimi (SimCLR)

Kosinüs mesafesinin anlamsal değişmez benzerliği yansıttığı bir metrik gömme uzayı öğrenir.

Uygulayıcı Araçlar:
PyTorchTorchvisionKerashub
feature extractionimage classification
Makale (2020)Detay
Algoritma
O(forward_pass)self-supervised

Momentum Kontrastı (MoCo)

Mini-parti GPU bellek kısıtlamalarından bağımsız bir karşıtsal metrik uzay öğrenir.

Uygulayıcı Araçlar:
PyTorchTorchvision
feature extractionimage classificationobject detection
Makale (2020)Detay
Algoritma
O(forward_pass)self-supervised

Kendi Gizilini Başlat (BYOL)

Negatif örneklere veya büyük karşıtsal partilere dayanmadan güçlü görsel temsiller üretir.

Uygulayıcı Araçlar:
PyTorchTorchvision
feature extractionimage classification
#bootstrap-your-own-latent-byolDetay
Algoritma
O(ViT_forward)self-supervised

Etiketsiz Kendi Kendine Damıtma (DINO ve DINOv2)

ViT öz dikkat kafaları, açık piksel düzeyinde denetim olmadan nesneleri ve sahne semantiğini doğal olarak segmentlere ayırır.

Uygulayıcı Araçlar:
PyTorchTorchvisionTransformers
feature extractionimage segmentationdepth estimation
Makale (2021)Detay
Algoritma
O(ViT_encoder)self-supervised

Maskelenmiş Otomatik Kodlayıcılar (MAE)

Anlamsal görsel anlayışı doğrulamak için yeniden yapılandırma çıktıları doğrudan görsel olarak incelenebilir.

Uygulayıcı Araçlar:
PyTorchTorchvisionTransformers
feature extractionimage classificationobject detection
Makale (2022)Detay
Algoritma
O(text_enc + vision_enc)self-supervised

Karşıtsal Dil-Görüntü Ön Eğitimi (CLIP)

Özel eğitim başlıkları olmadan doğal dil istemi kosinüs benzerliği yoluyla sıfır vuruşlu (zero-shot) sınıflandırmayı mümkün kılar.

Uygulayıcı Araçlar:
TransformersOpen clipPyTorch
zero shot classificationimage text retrievalfeature extraction
Makale (2021)Detay
Algoritma
O(1) dictionary vector lookupself-supervised

Word2Vec (CBOW ve Skip-Gram)

Gömme vektörü geometrisi doğrusal anlamsal analojileri doğrudan sağlar (örneğin: Kral - Erkek + Kadın = Kraliçe).

Uygulayıcı Araçlar:
GensimfastText
feature extractiontoken embedding
#continuous-bag-of-words-skipgram-word2vecDetay
Algoritma
O(1) vector lookupself-supervised

Kelime Temsili için Küresel Vektörler (GloVe)

Vektör nokta çarpımları ampirik kelime birlikte geçme sıklıklarının logaritmalarına doğrudan yaklaşır.

Uygulayıcı Araçlar:
GensimspaCy
feature extractiontoken embedding
#global-vectors-gloveDetay
Algoritma
O(kv_cache * layers) memory, O(params * 2 FLOPs) per tokenself-supervised

Nedensel Özbağlanımlı Sonraki Belirteç Tahmini (GPT)

Yüksek kapasite karmaşık akıl yürütme zincirlerini mümkün kılar, ancak dahili mekanik yorumlanabilirlik aktif bir araştırma sınırıdır.

Uygulayıcı Araçlar:
vLLMTransformersSGLangTensorRT-LLM
text generationcode generationin context learning
Makale (2018)Detay
Algoritma
O(|A|) argmax table lookupreinforcement-learning

Tablosal Q-Öğrenme

Q-tablo değerleri eylem başına beklenen kümülatif indirgenmiş gelecekteki getirileri doğrudan ifade eder.

Uygulayıcı Araçlar:
GymnasiumTorchrl
reinforcement learningdiscrete control
Makale (1992)Detay
Algoritma
O(|A|) lookupreinforcement-learning

SARSA (On-Policy Zamansal Fark)

Öğrenilen Q-değerleri aktif keşif politikasının güvenlik cezalarını doğrudan yansıtır.

Uygulayıcı Araçlar:
GymnasiumTorchrl
reinforcement learningsafe exploration
#state-action-reward-state-action-sarsaDetay
Toplam 100 Algoritma Ailesi arasından 19–36 gösteriliyor