Regression – (Regresyon)

Regression (Regresyon), makine öğrenmesinde sürekli (sayısal) bir hedef değişkenin değerini tahmin etmeyi amaçlayan denetimli öğrenme (supervised learning) problemidir. Regresyon modelleri, giriş özellikleri (features) ile hedef değişken (target variable) arasındaki matematiksel ilişkiyi öğrenerek daha önce görülmemiş veriler için sayısal tahminler üretir. Sınıflandırma (classification) problemlerinden farklı olarak regresyonda çıktı, belirli bir kategori değil; gerçek sayı değerlerinden oluşur. Bu nedenle regresyon, tahminleme ve öngörü gerektiren birçok yapay zekâ uygulamasının temel yöntemlerinden biridir.

Regresyon problemlerinde hedef değişken; ev fiyatı, satış miktarı, hisse senedi değeri, sıcaklık, enerji tüketimi, üretim maliyeti veya hasta yaşam süresi gibi sürekli değişkenlerden oluşur. Model, eğitim verileri üzerinde giriş özellikleri ile hedef değişken arasındaki örüntüleri öğrenir ve bu ilişkiyi kullanarak yeni gözlemler için tahminlerde bulunur. En yaygın regresyon algoritmaları arasında doğrusal regresyon (Linear Regression), çoklu doğrusal regresyon (Multiple Linear Regression), polinom regresyon (Polynomial Regression), karar ağacı regresyonu (Decision Tree Regression), rastgele orman regresyonu (Random Forest Regression), destek vektör regresyonu (Support Vector Regression – SVR), gradyan artırma yöntemleri (Gradient Boosting) ve derin öğrenme tabanlı sinir ağları yer almaktadır. Algoritma seçimi; veri yapısı, doğrusal olmayan ilişkiler, örneklem büyüklüğü ve problemin karmaşıklığına göre değişmektedir.

Regresyon modellerinin başarısı; ortalama karesel hata (Mean Squared Error – MSE), kök ortalama karesel hata (Root Mean Squared Error – RMSE), ortalama mutlak hata (Mean Absolute Error – MAE), ortalama mutlak yüzde hata (Mean Absolute Percentage Error – MAPE) ve belirleme katsayısı (R²) gibi performans ölçütleriyle değerlendirilmektedir. Başarılı bir regresyon modeli geliştirebilmek için kaliteli eğitim verisi, uygun özellik seçimi, veri ön işleme ve model doğrulama süreçleri büyük önem taşır. Günümüzde regresyon yöntemleri; finansal tahminleme, talep ve satış tahmini, sağlıkta risk skorlama, enerji tüketim analizi, hava durumu tahmini, ekonomik göstergelerin modellenmesi ve üretim süreçlerinin optimizasyonu gibi çok çeşitli alanlarda kullanılmaktadır. Regresyon, sürekli değişkenlerin tahminine yönelik en temel makine öğrenmesi yaklaşımı olup, veri odaklı karar verme süreçlerinde vazgeçilmez analiz araçlarından biri olarak kabul edilmektedir.