ErtanDağdelen
| 3 dk okuma | 44 okunma

Uygulamalı örnek: Python ile ev fiyat tahmini modeli geliştirme

Makine öğrenmesi sadece sınıflandırma değil, aynı zamanda tahmin yapma işidir. Bu yazıda gerçek hayata çok yakın bir problem olan ev fiyat tahmini üzerinden bir AI modelini adım adım kuracağız. Sayısal verilerle çalışmayı, model eğitmeyi ve tahmin yapmayı pratik bir örnekle öğreneceksin.

Uygulamalı örnek: Python ile ev fiyat tahmini modeli geliştirme

Problem: Ev fiyatını tahmin et

Bir evin fiyatını ne belirler?

  1. Metrekare
  2. Oda sayısı
  3. Yaş
  4. Lokasyon

Bizim hedefimiz:

Bu bilgilere bakarak ev fiyatını tahmin eden bir model kurmak

Bu bir regression (tahmin) problemidir.

Adım 1: Veri seti

Basit bir veri seti oluşturalım:


import pandas as pd

data = {
"metrekare": [50, 80, 120, 150, 200],
"oda": [1, 2, 3, 3, 4],
"yas": [20, 15, 10, 5, 2],
"fiyat": [500000, 800000, 1200000, 1500000, 2200000]
}

df = pd.DataFrame(data)

Adım 2: Feature ve target ayırma


X = df[["metrekare", "oda", "yas"]]
y = df["fiyat"]

Adım 3: Train-Test split


from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)

Adım 4: Model oluşturma ve eğitme


from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)

Adım 5: Tahmin yapma


y_pred = model.predict(X_test)

print(y_pred)

Adım 6: Yeni veri ile tahmin


yeni_ev = [[100, 3, 8]] # 100 m², 3 oda, 8 yaşında

tahmin = model.predict(yeni_ev)
print("Tahmini fiyat:", int(tahmin[0]))

Bu projede ne öğrendin?

  1. Regression nedir
  2. Sayısal veri ile model kurma
  3. Feature → target mantığı
  4. Gerçek tahmin üretme


Gerçek dünya yorumu

Bu model çok basit ama mantık aynıdır:

  1. Emlak siteleri
  2. Araç fiyat tahmini
  3. Satış tahminleri


Hepsi benzer şekilde çalışır.

Basit modeller bile doğru veri ile güçlü tahminler yapabilir.

Ertan Dağdelen

Yazan

Ertan Dağdelen

Brain & Youth Information Worker, Author, .Net, Flutter, AJAX, Arduino & Esp32, Pcb, 3D, Galatasaray, Gemini

Bu yazıyı paylaş

Yorumlar (0)

Bu yazı için yorumlar kapalı.

Diğer Yazılar

Uygulamalı örnek: Python ile adım adım spam mail sınıflandırıcı yapımı

Uygulamalı örnek: Python ile adım adım spam mail sınıflandırıcı yapımı

Artık teoriyi biliyorsun ama gerçek bir AI projesi nasıl yapılır? Bu yazıda sıfırdan bir spam mail sınıflandırıcı geliştirerek makine öğrenmesi sürecini uçtan uca göreceksin. Veri hazırlamadan model eğitmeye, metriklerle değerlendirmeden sonuç üretmeye kadar her adımı basit ve anlaşılır şekilde uygulayacağız.
Doğru model hangisi: Basit mi, derin mi?

Doğru model hangisi: Basit mi, derin mi?

Yapay zeka öğrenmeye başlayanların en büyük hatalarından biri, her problemi derin öğrenme ile çözmeye çalışmaktır. Oysa doğru yaklaşım her zaman en karmaşık modeli kullanmak değil, probleme en uygun çözümü seçmektir. Bazen basit bir model yeterliyken, bazen de gerçekten derin öğrenmeye ihtiyaç duyulur. Önemli olan bu farkı anlayabilmektir.
AI Projelerinde Görselleştirme Neden Önemlidir? Veriyi Görmeden Model Kurmayın

AI Projelerinde Görselleştirme Neden Önemlidir? Veriyi Görmeden Model Kurmayın

Bir yapay zeka projesinde başarı sadece model seçimine bağlı değildir. Hatta çoğu zaman asıl farkı yaratan şey, veriyi ne kadar iyi anladığınızdır. Veriyi anlamanın en güçlü yollarından biri ise görselleştirmedir. Çünkü grafikler, tabloların ve ham sayıların sakladığı desenleri, hataları ve ilişkileri saniyeler içinde görünür hale getirir. Kısacası iyi bir analiz çoğu zaman modelle değil, doğru bir grafikle başlar.
Yazılara Dön