Türkçe Açıklama için Tıklayınız

Proje Genel Bakış:

Bu proje, Keras kullanarak Iris veri setini analiz eden ve sinir ağları (neural networks) ile sınıflandırma (classification) işlemi gerçekleştiren bir çalışmadır. Iris veri seti, bitki türlerinin çeşitli özelliklerinin ölçüldüğü bir veri setidir ve çeşitli iris türlerini sınıflandırmayı amaçlar.

Proje Hedefleri:

• Veri Analizi: Iris veri setini keşfetmek ve içerdiği özellikleri ve sınıfları anlamak.

• Sınıflandırma: Sinir ağları (neural networks) kullanarak iris bitki türlerini doğru bir şekilde sınıflandırmak.

• Performans Değerlendirmesi: Sınıflandırma modelinin performansını değerlendirmek ve doğruluk (accuracy) gibi metriklerle sonuçları analiz etmek.

Proje Özellikleri:

• Veri Keşfi: Iris veri setini görselleştirerek içerdiği özellikleri ve sınıfları anlamak.

• Sinir Ağı Modeli: Keras kullanarak sinir ağları oluşturmak ve iris bitki türlerini sınıflandırmak için eğitmek.

• Performans Değerlendirmesi: Oluşturulan sınıflandırma modelini test verileriyle değerlendirmek ve performans metrikleriyle sonuçları analiz etmek.

• Sonuçların Görselleştirilmesi: Projenin sonuçlarını görsel grafikler ve tablolar aracılığıyla sunmak ve yorumlamak.

Project Overview:

This project is a study that uses Keras to analyze the Iris dataset and perform classification using neural networks. The Iris dataset is a collection of measurements of various iris plant species, and the project aims to classify different iris species.

Project Objectives:

• Data Analysis: Explore the Iris dataset and understand its features and classes.

• Classification: Use neural networks to accurately classify iris plant species.

• Performance Evaluation: Evaluate the performance of the classification model and analyze the results using metrics such as accuracy.

Project Features:

• Data Exploration: Visualize the Iris dataset to understand its features and classes.

• Neural Network Model: Create neural network models using Keras and train them to classify iris plant species.

• Performance Evaluation: Evaluate the created classification model using test data and analyze the results with performance metrics.

• Results Visualization: Present and interpret the project's results using visual graphs and tables.