İçeriğe geçİçeriğe geç
Ders bul
Yapay zekâ seviyesi: 201 Orta
Merak edilenler · 70. ders / 73

En yakın komşu: benzer müşteriye benzer öneri

  • Okuma süresi: 5 dk
  • Kod bilgisi gerekmez
Son güncelleme: AB–OECD yetkinlik alanı: Yapay Zekâyı Tasarlama
En yakın komşu: benzer müşteriye benzer öneri kapak görseli

Yeni bir müşteriye hangi ürünü önereceğinizi bilmiyorsanız, ona en çok benzeyen müşterilere bakabilirsiniz. Yapay zekâda bu fikre en yakın komşu yöntemi denir.

Aklınıza bir soru mu takıldı?

    Bu derste neler öğreneceksiniz?

    • En yakın komşu yönteminin mantığını
    • Benzerliğin sayılarla nasıl ölçüldüğünü
    • Komşu sayısı k’nın öneriyi nasıl değiştirdiğini
    • Sohbet botuyla kurgusal bir müşteri tablosunda yöntemi denemeyi

    Fikir: kime benziyorsa onun gibi

    Mahalle bakkalı yeni gelen komşusuna “Sizin gibi aileler bu peyniri seviyor” der. En yakın komşu yöntemi bu sezgiyi sayılarla yapar.

    Kurgusal bir örnek kuralım: küçük bir kahve ve çay mağazasının internet sitesi var. Müşteriler üç sayıyla tarif ediliyor: ayda verdiği sipariş sayısı, sepetteki ortalama ürün adedi ve siparişlerindeki kahve payı. Yeni müşteri Selin: 4 sipariş, 6 ürün, yüzde 80 kahve payı. Mağazanın kurgusal müşterileri şöyle:

    • Deniz: 4 sipariş, 5 ürün, yüzde 75 kahve. Son alışverişi: filtre kahve seti.
    • Kaan: 3 sipariş, 6 ürün, yüzde 85 kahve. Son alışverişi: filtre kahve seti.
    • Mert: 5 sipariş, 7 ürün, yüzde 70 kahve. Son alışverişi: kahve değirmeni.
    • Ayla: 1 sipariş, 2 ürün, yüzde 10 kahve. Son alışverişi: bitki çayı seti.
    • Hakan: 8 sipariş, 12 ürün, yüzde 20 kahve. Son alışverişi: çay demliği.

    Selin’e en yakın üç müşteri Deniz, Kaan ve Mert’tir. Üçünden ikisi filtre kahve seti almış. Öneri bu çoğunluğa göre filtre kahve seti olur. Berkeley EECS bölümünün sitesindeki ders notu yöntemi bu şekilde tarif ediyor: yeni noktaya en yakın k eğitim noktasına bakılır ve çoğunluğun etiketi seçilir.

    Benzerlik nasıl ölçülür?

    Her müşteriyi bir haritadaki nokta gibi düşünün. Sayılar noktanın konumudur. İki müşteri haritada yakınsa benzerdir.

    Burada sezgisel bir tuzak var. Bir sütun 0 ile 10, öbürü 0 ile 5.000 arasında değişirse mesafeyi büyük sayılı sütun belirler. Bu yüzden sütunları benzer ölçeğe getirin; örneğin hepsini 0 ile 100 arasına çekin.

    Açık kaynak makine öğrenmesi kitaplığı scikit-learn’ün sınıflandırıcı belgesi iki ayrıntı veriyor: varsayılan komşu sayısı 5’tir ve isterseniz yakın komşulara daha fazla ağırlık verebilirsiniz.

    Kaç komşuya bakmalı?

    Berkeley ders notuna göre k = 1 olduğunda eğitim verisindeki hata hep sıfırdır; çünkü her nokta kendi komşusu olur ve doğru sınıflanır. Bu yüzden eğitim hatasına bakarak k seçilemez. Notta k, ayrılmış bir doğrulama kümesinde en iyi sonucu veren değer olarak seçiliyor. Genel eğilim şöyledir: küçük k dalgalı ve oynak sonuç verir, büyük k daha düzgün sonuç verir ama uzaktaki noktaları da sayar.

    Mağaza diliyle: tek komşuya bakarsanız hediye için sipariş veren tuhaf bir müşteri önerinizi bozabilir. Çok komşuya bakarsanız herkesin aldığı ürüne dönersiniz.

    Bu konu hangi eğitimlerde işleniyor?

    Helsinki Üniversitesi Elements of AI dersinin öğrenme hedefleri üç sınıflandırma yöntemini sayıyor: en yakın komşu, doğrusal regresyon ve lojistik regresyon.

    Kişisel veri uyarısı

    Gerçek müşteri adını, telefonunu, e-postasını ya da adresini sohbet botuna yazmayın; telefon, e-posta ve adres de kişiyi belirlenebilir kılabilir. Kişisel Verileri Koruma Kurumunun kanun bilgi notu kişisel veriyi kimliği belirli ya da belirlenebilir bir gerçek kişiye ilişkin her türlü bilgi diye tanımlıyor; ad ve soyad bu bilgilere örnek. Müşterilere M1, M2 gibi kodlar verin. Bu bölüm genel bilgidir, hukuki tavsiye değildir. Örnek veri hazırlamak için ilgili dersimize bakabilirsiniz.

    Adım adım uygulama

    1. Önerinin amacını tek cümleyle yazın: “Yeni müşteriye hangi ürün grubunu önereyim?”
    2. Müşteriyi tarif eden iki ya da üç sütun seçin: sipariş sıklığı, sepet büyüklüğü gibi.
    3. Ad, telefon ve adresi tablodan çıkarın; müşterilere M1, M2 gibi kodlar verin.
    4. Sütunların aralığını benzer hâle getirmesini sohbet botundan isteyin.
    5. Aşağıdaki güçlü komutu kendi tablonuza uyarlayıp gönderin.
    6. Botun gösterdiği mesafe hesabını bir müşteri için elle kontrol edin.
    7. k değerini 1, 3 ve 5 yaparak önerinin değişip değişmediğine bakın.

    Zayıf komut

    Bu müşterilere göre yeni müşteriye bir ürün öner.

    Güçlü komut

    Aşağıdaki tablo kurgusal bir kahve mağazasının müşterileridir. Sütunlar: ayda sipariş sayısı, sepetteki ortalama ürün adedi, kahve payı (yüzde), son alınan ürün.
    M1: 4, 5, 75, filtre kahve seti
    M2: 3, 6, 85, filtre kahve seti
    M3: 5, 7, 70, kahve değirmeni
    M4: 1, 2, 10, bitki çayı seti
    M5: 8, 12, 20, çay demliği
    Yeni müşteri Y: 4, 6, 80. Önce sütunları 0 ile 100 arasına ölçekle. Sonra Y’ye en yakın üç müşteriyi bul, mesafe hesabını adım adım göster. Çoğunluğa göre bir ürün öner ve nedenini yaz. Sonra k = 1 ve k = 5 için de öneriyi ver ve değişip değişmediğini söyle. Tabloda olmayan bilgiyi uydurma.

    Yapay zekâ çıktısı (örnek)

    Ölçekleme yapıldı. Y’ye en yakın üç müşteri sırasıyla M1, M2 ve M3. Üç komşunun ikisi filtre kahve seti almış; öneri: filtre kahve seti. k = 1 için en yakın müşteri M1 ve öneri yine filtre kahve seti. k = 5 için tüm müşteriler oy kullanıyor; filtre kahve seti iki oyla yine önde ama uzaktaki M4 ve M5 de karara karışıyor. Not: Tabloda yalnız beş müşteri var; gerçek bir öneri için çok daha fazla kayıt gerekir.

    Kontrol listesi

    • Tabloda kişisel veri yok.
    • Sütunlar benzer ölçeğe getirilmiş.
    • Mesafe hesabını en az bir müşteri için elle denedim.
    • k’nın 1, 3 ve 5 olduğu durumları karşılaştırdım.
    • Komşuların neden benzer sayıldığını açıklayabiliyorum.

    Sık yapılan hatalar

    • Ölçeği unutmak: Büyük sayılı sütun tek başına karar verir; diğer sütunların hiçbir etkisi kalmaz.
    • Tek komşuya güvenmek: k = 1 aykırı bir müşteriye fazla ağırlık verir.
    • Anlamsız sütun seçmek: Müşteri numarası benzerlik hakkında bir şey söylemez.
    • Tahmini kesin sanmak: Benzer müşterilerin aldığı ürünü Selin de alacak diye bir kural yoktur.

    İpucu

    Her öneriyi “kimlere benzediği” cümlesiyle birlikte kaydedin: “Selin, M1 ve M2’ye benziyor.” Bu cümle önerinin gerekçesidir.

    Kendinizi deneyin

    En yakın komşu yöntemi yeni bir müşteriye öneri yaparken ne yapar?

    k = 1 seçildiğinde eğitim verisindeki hata neden k’yı seçmeye yaramaz?

    Müşteri tablosunu sohbet botuna vermeden önce en doğru adım hangisidir?

    Kaynaklar

    Son kontrol: 16 Kasım 2026. Bu bilgi bu tarihte açılan kaynaklara dayanır; durum değişebilir.

    Kaynak: yzdersleri.com/ders/en-yakin-komsu-benzer-musteriye-benzer-oneri/ · Yapay Zeka Dersleri

    Dersi bitirdiniz mi?

    İşaretlerseniz menüde ve ilerleme çubuğunda görünür. Bu bilgi yalnızca sizin tarayıcınızda saklanır.

    Bu ders işinize yaradı mı?

    Anonim oydur; kişisel veri toplanmaz.

    Yorum yazın

    Yorumunuz editör onayından sonra yayımlanır. Ad ve e-posta zorunlu değildir; e-posta adresiniz yayımlanmaz. Lütfen kendinizin ya da başkalarının kişisel bilgilerini (telefon, adres, kimlik, sağlık bilgisi) yazmayın.

    Kişisel verilerinizin nasıl işlendiğini KVKK Aydınlatma Metni’nde okuyabilirsiniz.

    Basitten zora: sıradaki ders

    Bu dersin kategorisi: Başla

    Bir üst düzeyde

    Aynı düzeyde devam

    Başla: bütün öğrenme yolu