Bölüm 1 - Yazarın Önsözü

Bu kitap, ben bir klinik araştırmada istatistikçi olarak çalışırken, yan bir proje olarak başladı. Haftada dört gün çalışıyor ve "izin günümde" yan projeler üzerinde çalışıyordum. Nihayetinde, anlaşılır makine öğrenimi yan projelerimden biri haline geldi. Başlangıçta bir kitap yazma niyetim yoktu. Sadece, anlaşılır makine öğrenimi konusunda daha fazla bilgi edinmeye ve öğrenmek istediğim iyi kaynakları arıyordum. Makine öğreniminin başarısı ve yorumlanabilirliğin önemi göz önüne alındığında, bu konuda çok sayıda kitap ve öğretici olacağını düşünüyordum. Ancak internete göz attığımda, yalnızca ilgili araştırma makalelerini ve dağınık haldeki birkaç blog yazısını buldum; ancak iyi bir genel bakış içeren bir şey yoktu. Hiç kitap yok, hiç öğretici yok, hiç genel bakış makalesi yok, hiçbir şey yoktu. Bu eksiklik, bu kitabı yazmaya ilham verdi. Sonunda, anlaşılır makine öğrenimi çalışmalarıma başladığım zaman bulmak istediğim kitabı yazmaya karar verdim. Bu kitapla iki amaç güdüyordum: Kendim için öğrenmek ve bu yeni bilgileri başkalarıyla paylaşmak.

Lisans ve yüksek lisans derecelerimi Almanya, Münih'teki LMU Üniversitesi'nde istatistik alanında aldım. Makine öğrenimi hakkındaki bilgilerimin büyük çoğunluğunu çevrimiçi kurslar, yarışmalar, yan projeler ve mesleki etkinliklerle öğrendim. İstatistik alanındaki geçmişim, makine öğrenimine ve özellikle yorumlanabilirliğe giriş yapmak için mükemmel bir temel oluşturdu. İstatistikte, yorumlanabilir regresyon modelleri oluşturmaya odaklanılır. Yüksek lisans derecemi tamamladıktan sonra, doktora yapmamaya karar verdim, çünkü yüksek lisans tezimi yazmaktan keyif almadım. Yazma süreci beni çok fazla streslendiriyordu. Bu nedenle, bir Fintech start-up'ında veri bilimci ve klinik araştırmalarda istatistikçi olarak işlere başladım. Üç yıl boyunca endüstride çalıştıktan sonra bu kitabı yazmaya ve birkaç ay sonra da anlaşılır makine öğrenimi alanında doktora yapmaya karar verdim. Bu kitap üzerinde çalışırken, yazma zevkini tekrar keşfettim ve bana araştırmaya olan tutkumu geliştirmeme yardımcı oldu.

Bu kitap, anlaşılır makine öğrenimi tekniklerini kapsamaktadır. İlk bölümlerde, yorumlanabilirlik kavramını tanıtıyor ve yorumlanabilirliğin neden gerekli olduğunu motive ediyorum. Hatta birkaç kısa hikaye bile var! Kitap, açıklamaların farklı özelliklerini ve insanların iyi bir açıklamanın ne olduğuna ilişkin düşüncelerini tartışıyor. Ardından, özünde yorumlanabilir olan makine öğrenimi modelleri, örneğin regresyon modelleri ve karar ağaçları hakkında konuşacağız. Kitabın ana odak noktası, model-agnostik yorumlanabilirlik yöntemleridir. Model-agnostik, bu yöntemlerin herhangi bir makine öğrenimi modeline uygulanabileceği ve modelin eğitiminden sonra uygulandığı anlamına gelir. Bu bağımsızlık, model-agnostik yöntemleri çok esnek ve güçlü kılar. Bazı teknikler, örneklemeye dayalı yerel yorumlanabilir model-agnostik açıklamalar (LIME) ve Shapley değerleri gibi bireysel tahminlerin nasıl yapıldığını açıklar. Diğer teknikler ise modelin bir veri kümesi boyunca ortalama davranışını açıklar. Burada, kısmi bağımlılık grafiği, birikmiş yerel etkiler, permütasyon özellik önemi ve diğer birçok yöntem hakkında bilgi ediniriz. Özel bir kategori, açıklamalar olarak veri noktaları üreten örneklemeye dayalı yöntemleri içerir. Karşıt gerçek açıklamalar, prototipler, etkili örnekler ve düşmanca örnekler, bu kitapta tartışılan örneklemeye dayalı yöntemlerdir. Kitap, yorumlanabilir makine öğreniminin geleceği hakkında bazı düşüncelerle sona eriyor.

Bu kitabı baştan sona okumanız gerekmez, ileri geri atlayarak ve en çok ilginizi çeken tekniklere odaklanarak okuyabilirsiniz. Sadece giriş ve yorumlanabilirlik üzerine olan bölümle başlamanızı öneririm. Çoğu bölüm benzer bir yapıya sahip olup, bir yorumlama yöntemine odaklanır. İlk paragraf yöntemi özetler. Ardından, matematiksel formüllere dayanmadan yöntemi sezgisel olarak açıklamaya çalışırım. Sonra, yöntemin teorisine bakarız ve nasıl çalıştığına dair derin bir anlayış kazanırız. Burada sizi affetmeyeceğim, çünkü teoride formüller içerecektir. Yeni bir yöntemin en iyi anlaşılmasının örnekler kullanılarak yapıldığına inanıyorum. Bu nedenle, her yöntem gerçek verilere uygulanır. Bazı insanlar istatistikçilerin çok eleştirel olduğunu söyler. Benim için bu doğru, çünkü her bölüm, ilgili yorumlama yönteminin avantajları ve dezavantajları hakkında eleştirel tartışmalar içerir. Bu kitap, yöntemler için bir reklam değil, bir yöntemin uygulamanız için iyi çalışıp çalışmadığına karar vermenize yardımcı olmalıdır. Her bölümün son bölümünde, mevcut yazılım uygulamaları hakkında tartışmalar yapılır.

Makine öğrenimi, araştırma ve endüstride birçok insan tarafından büyük ilgi gördü. Bazen medyada makine öğrenimi aşırı övülse de, birçok gerçek ve etkili uygulama vardır. Makine öğrenimi, örneğin dolandırıcı finansal işlemleri tespit etmek, filmleri önermek ve görüntüleri sınıflandırmak için kullanılır. Sık sık, makine öğrenimi modellerinin yorumlanabilir olması hayati öneme sahiptir. Yorumlanabilirlik, geliştiricilere hata ayıklama ve iyileştirmelerde yardımcı olur, modele güven sağlar, model tahminlerini haklı çıkarır ve yeni bilgiler ortaya çıkarır. Makine öğrenimi yorumlanabilirliğine olan artan ihtiyaç, makine öğreniminin artan kullanımının doğal bir sonucudur. Bu kitap, birçok kişi için değerli bir kaynak haline geldi. Eğitmenler, öğrencilerine anlaşılır makine öğrenimi kavramlarını tanıtmak için bu kitabı kullanır. Birkaç yüksek lisans ve doktora öğrencisi tarafından bana gönderilen e-postalarda, bu kitabın tezlerinin başlangıç noktası ve en önemli referans olduğunu belirttiler. Kitap, ekoloji, finans, psikoloji vb. alanlarda uygulamalı araştırmacılara, verilerini anlamak için makine öğrenimini kullananlara yardımcı oldu. Endüstrideki veri bilimciler, "Anlaşılır Makine Öğrenimi" kitabını işleri için kullanıyor ve meslektaşlarına tavsiye ediyorlar. Birçok insanın bu kitaptan faydalandığı ve model yorumlamada uzman oldukları için mutluyum.

Bu kitabı, makine öğrenimi modellerinizi daha anlaşılır hale getirmek için tekniklere genel bir bakış isteyen uygulamacılara tavsiye ederim. Ayrıca bu konuyla ilgilenen öğrenci ve araştırmacılara (ve herhangi birine) faydalı olacaktır. Bu kitaptan en iyi şekilde yararlanmak için, makine öğrenimi hakkında temel bir anlayışa sahip olmanız gerekir. Aynı zamanda, bu kitaptaki teorileri ve formülleri takip edebilmek için giriş seviyesi üniversite matematiğini anlayabilecek düzeyde olmanız gerekmektedir. Ancak her bir bölümün başındaki yöntemin sezgisel açıklamasını matematiksiz de anlayabilirsiniz.

Kitaptan keyif almanızı umuyorum!