Makine Öğrenmesinin 3 Paradigması: Supervised, Unsupervised, Reinforcement

# Supervised learning canlı örneği — Pyodide ile çalışır
# scikit-learn'in California Housing örneklemini kullanıyoruz
 
from sklearn.datasets import fetch_california_housing
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score
import numpy as np
 
data = fetch_california_housing()
X, y = data.data, data.target
 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
 
model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)
 
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f"Train örnek sayısı: {len(X_train)}")
print(f"Test örnek sayısı:  {len(X_test)}")
print(f"MSE: {mse:.3f}")
print(f"R²:  {r2:.3f}")
 

from sklearn.datasets import fetch_california_housing
data = fetch_california_housing()
X, y = data.data, data.target  # X: (20640, 8), y: (20640,)

# Türkçe için doğru tokenization karşılaştırması
from transformers import AutoTokenizer
 
# Yanlış yaklaşım: sadece İngilizce eğitilmiş tokenizer
en_tok = AutoTokenizer.from_pretrained("bert-base-uncased")
print("EN tokenizer:", en_tok.tokenize("evlerimizdekilerden"))
# ['ev', '##leri', '##miz', '##de', '##ki', '##ler', '##den']  — kötü bölme
 
# Doğru yaklaşım: Türkçe için ön-eğitilmiş tokenizer
tr_tok = AutoTokenizer.from_pretrained("dbmdz/bert-base-turkish-cased")
print("TR tokenizer:", tr_tok.tokenize("evlerimizdekilerden"))
# ['evlerimizdekiler', '##den']  — çok daha anlamlı, daha az token
 
# Production'da: Türkçe LLM (TURNA, Trendyol-LLM, Kumru-2B) tokenizer'larını seç
turna_tok = AutoTokenizer.from_pretrained("boun-tabi-LMG/turna_3b")
print("TURNA tokenizer:", turna_tok.tokenize("evlerimizdekilerden"))