Yazan : Şadi Evren ŞEKER
Bilgisayar bilimlerinin bir çalışma alanı olan yapay sinir ağlarında amaç insan vücudunda bulunan biyolojik sinir ağlarının bilgisayarlar tarafından modellenmesi ve başarılı olarak kullanılmasıdır.
Bu işlem için öncelikle bir yapay sinir ağı tasarımı yapılır. Sinir ağında buluna nöron ve sinapsislere değerler atanarak sinir ağı tasarlandıktan sonra bu sinir ağının eğitim süreci başlar. Eğitim sürecinde sinir ağında bulunan ağırlıkları sürekli olarak güncelleyen sistemin başarıya ulaşıp ulaşmadığı ise ancak bir sınama ile olabilmektedir. İşte bu yazının konusu olan sınama da bu sınama işlemdir.
Bir yapay sinir ağında sınama işlemi basitçe sistemin daha fazla eğitime ihtiyaç duyup duymadığına karar verir. Bu kararın verilebilmesi için sistemin eğitim ve sınama sırasında kullandığı verilerin birbirinden farklı olması gerekir. Aksi halde sistem öğrenmekten çok ezberlemeye meyledebilir. Örneğin 10.000 örnek elemandan oluşan ve toplamda 3 ayrı guruba sınıflandırılması istenen verilerimizin olduğunu düşünelim. Şayet bu 10.000 verinin tamamını eğitim sırasında kullanırsak sistemimiz elbette bu 10.000 verinin tamamı için doğru çalışacaktır. Bu durumda sistemimizin başarılı olup olmadığına karar verilemez. Bu yüzden veri kümesi öncelikle eğitim kümesi (training set) ve sınama kümesi (validating set) olarak ikiye ayrılır.