CIFAR-10 ile KNN Projesi

Görüntü sınıflandırma işlemi için K-Nearest Neighbors (KNN) algoritması kullanımı.

Proje İçeriği • Kullanılan Kütüphaneler • Veri Seti • KNN Modeli ve Hiperparametre Optimizasyonu • Sonuçlar • Kurulum ve Çalıştırma • Katkıda Bulunanlar • Lisans

---

Proje İçeriği

• Veri Seti Seçimi: CIFAR-10 veri seti kullanılmıştır.
• Veri Ön İşleme:
  • Veriler X_train, y_train, X_test ve y_test olarak bölünmüştür.
  • Verilerin boyutları yazdırılmıştır.
  • Görüntüler görselleştirilmiştir.
  • Veriler normalize edilmiştir.
• Model Oluşturma ve Eğitme:
  • PCA kullanarak boyut azaltma yapılmıştır.
  • GridSearchCV kullanılarak KNN modelinin hiperparametre optimizasyonu yapılmıştır.
  • Model eğitilmiş ve test verileri üzerinde tahminler yapılmıştır.
• Sonuçların Değerlendirilmesi:
  • Doğruluk, sınıflandırma raporu ve karışıklık matrisi kullanılarak model değerlendirilmiştir.
  • Tahmin sonuçları görselleştirilmiştir.

Kullanılan Kütüphaneler

• numpy
• matplotlib
• tensorflow.keras
• sklearn (scikit-learn)

Veri Seti

CIFAR-10 veri seti, 10 farklı sınıfa ait 60,000 renkli görüntüden oluşur. Her sınıfta 6,000 görüntü bulunur. Veri seti, eğitim ve test olmak üzere ikiye ayrılmıştır: 50,000 eğitim ve 10,000 test görüntüsü.

KNN Modeli ve Hiperparametre Optimizasyonu

Proje kapsamında, KNN algoritması kullanılmış ve GridSearchCV ile en uygun k değeri optimize edilmiştir. Ayrıca, PCA kullanılarak boyut azaltma işlemi yapılmıştır.

Sonuçlar

Modelin doğruluğu ve diğer değerlendirme metrikleri aşağıda verilmiştir:

• Accuracy: %30 - %40 arasında
• Classification Report: Precision, Recall ve F1-Score değerleri
• Confusion Matrix: Modelin hangi sınıfları doğru veya yanlış sınıflandırdığı gösterilmiştir.

Kurulum ve Çalıştırma

1. Gerekli kütüphaneleri yükleyin:

   pip install numpy matplotlib tensorflow scikit-learn

2. Jupyter Notebook veya Google Colab kullanarak cifar10_knn_pca.ipynb dosyasını açın ve hücreleri sırasıyla çalıştırın.

Katkıda Bulunanlar

• Yasin KARAÇAM - Projeyi geliştiren kişi.
  • GitHub
  • LinkedIn

Lisans

Bu proje MIT Lisansı altında lisanslanmıştır.