Knime Örnek Çalışmaları – Güzellik Belirleme Örneği

AMAÇ: Fotoğrafa bakılarak kişinin güzel ya da çirkinliğini bulma. 6600 adet kadın var 1000 kişiye soruldu her biri bir değer aldı. Yorum yapılan kişilerin fotoğraflar alındıktan ölçüm yapıldı. Acaba insanlar neye güzel neye çirkin diyor? Bir oran var mı? Eğer buradan bir oran çıkartırsak artık makine bir kadının güzel ya da çirkin olduğunu bize söyleyebilir mi?

Güzellik Belirleme Örneği veri setini indirmek için tıklayınız.

Exel Reader ile güzel çirkin adındaki dosya açılır. Yapay Sinir Ağları ile elimizdeki verileri kullanarak bir pattern geliştireceğiz ve bu pattern ile kişinin yüz ölçümlerine bakarak güzellik olup olmadığını bulacağız. Girdi değişkenlerimiz mutlaka ama mutlaka normalize edilmeli bu sebeple normalizer kullanacağız. Bu çalışmada Z-scor ile normalize edilmiştir. Veriler normalize edildikten sonra partitioning ile 2’ye ayrılacak. %70’lik kısmı öğrenirken %30 kısmı ise deneme yapacak. Sonrasında MLP Learner ile öğrenme gerçekleştirilecek.

Verileri partitioning ile 2 kısma ayıralım. Sonrasında MLP Lerner ve MLP Prediction ekleyelim. Gerekli ayarlamalar şu şekildedir;

 

MLP Predictor sağ tıklayıp Classified Data yaptığımızda en sağdaki kısım bize tahmini veriyor. Kırmızı yeşil kısmı ne kadar genişse o satır için tahmini kuvvetlidir anlamına gelmektedir. Her bir satırda bunun için yapıyor ve bunu bize gösteriyor.

Son olarak scorer ekleyelim ve sonuçların değerlendirilmiş halini kolaylıkla görelim;

Scorer ile sonuca baktığımızda bu ölçümde %82,172 oranında başarı sağlanmıştır. %17,828 oranında ise hata payı görülmektedir. En çok hata oranını orta ve pek güzel değil ifadelerinde görüyoruz.