Traditional Machine Learning Classification on Balanced Dataset

Bu projede, dengelenmiş bir veri kümesi (balanced_update_data_dt.csv) üzerinde çeşitli geleneksel makine öğrenmesi sınıflandırma algoritmaları kullanılarak performans karşılaştırması yapılmıştır.

Kullanılan Algoritmalar

• Decision Tree (Karar Ağacı)
• Support Vector Machine (SVM)
• Naive Bayes
• Random Forest

Adımlar

1. Veri Yükleme ve Hazırlık:
   Veri kümesi yüklenmiş, class sütunu hedef değişken olarak ayrılmıştır. Eğitim ve test kümeleri %80-%20 oranında bölünmüştür.

2. Sınıf Dağılımının Görselleştirilmesi:
   Sınıf dağılımı çubuk grafikle gösterilerek dengenin sağlandığı doğrulanmıştır.

3. Korelasyon Isı Haritası:
   Hedef değişken ile öznitelikler arasındaki ilişki ısı haritası ile görselleştirilmiştir.

4. Model Eğitimi ve Değerlendirme:
   Her bir model, eğitim verisi ile eğitilip test verisi üzerinde değerlendirilmiştir. Değerlendirme metrikleri:

   • Accuracy (Doğruluk)
   • Precision, Recall, F1-Score
   • Confusion Matrix (Karışıklık Matrisi)

5. Görselleştirme:
   Her model için karışıklık matrisi ayrı ayrı ısı haritası olarak çizdirilmiştir.

Gereksinimler

pip install pandas matplotlib seaborn scikit-learn