Denetimsiz Öğrenme Nedir ve Hangi Problemlerde Kullanılır?

Denetimsiz öğrenme, önceden tanımlanmış hedef etiketler veya insan müdahalesi olmaksızın, ham veri setlerindeki gizli yapıları, korelasyonları ve doğal gruplandırmaları keşfeden temel bir makine öğrenmesi paradigmasıdır. Modern işletmelerin topladığı verilerin yüzde 80'inden fazlasının yapılandırılmamış ve etiketsiz olduğu kurumsal mimarilerde, bu yaklaşım stratejik bir veri madenciliği filtresi işlevi görür.

Geleneksel analitik yaklaşımların yetersiz kaldığı karmaşık veri yapılarında, Denetimsiz Öğrenme Nedir ve Hangi Problemlerde Kullanılır? sorusunun operasyonel ve teknik boyutunu kavramak; müşteri segmentasyonundan siber tehdit ve dolandırıcılık tespitine, yüksek boyutlu veri sıkıştırmadan sepet analizine kadar birçok kritik süreçte kaynak verimliliği sağlar. Bu rehber; algoritmik prensipler, sektörel iş senaryoları, risk yönetimi ve teknik entegrasyon parametrelerini karar vericiler için ayrıntılı biçimde ortaya koymaktadır.

Denetimsiz Öğrenme (Unsupervised Learning) Nedir?

Denetimsiz öğrenme; girdi verilerine karşılık gelen bir "doğru cevap" ya da "çıktı etiketi" (ground truth) bulunmadığı durumlarda, sistemin verinin kendi iç geometrisi, olasılık dağılımı ve istatistiksel yoğunluğu üzerinden örüntü çıkarmasını sağlayan makine öğrenmesi dalıdır. Denetimli öğrenmede model, girdiler ($X$) ile hedef değişkenler ($y$) arasındaki matematiksel fonksiyonu optimize etmeye çalışırken; denetimsiz öğrenmede algoritma, yalnızca $X$ veri matrisinin yapısal topolojisini modeller. Buradaki temel amaç, verinin yoğunluk fonksiyonunu tahmin etmek ($P(X)$), benzer veri noktalarını aynı alt uzaylarda toplamak veya gürültüyü ayrıştırarak ana bilgi eksenlerini ortaya çıkarmaktır.

Kurumsal organizasyonlarda toplanan operasyonel telemetri kayıtları, web sunucu logları, ham müşteri tıklama akışları (clickstream) ve IoT sensör telemetrileri doğası gereği etiketsizdir. Bu verilerin insanlar tarafından manuel olarak etiketlenmesi hem yüksek maliyetli hem de zaman açısından sürdürülemez bir operasyondur. Denetimsiz öğrenme modelleri, önceden kestirilemeyen kalıpları ortaya çıkarma yetenekleri sayesinde "bilinmeyen bilinmeyenleri" (unknown unknowns) keşfetmekte kullanılır. Bir e-ticaret platformunda kullanıcının doğrudan beyan etmediği ancak gezinme hızından ve oturum sıklığından türetilen gizli davranış kalıpları bu mekanizmayla tespit edilir.

Matematiksel açıdan denetimsiz öğrenme; mesafe metrikleri (Öklid, Manhattan, Mahalanobis, Kosinüs benzerliği), manifold öğrenmesi ve bilgi teorisi prensiplerine dayanır. Algoritmalar, vektör uzayındaki gözlemler arasındaki mesafeleri veya kovaryans yapılarını analiz ederek çok boyutlu uzayda veri manifoldlarını yeniden yapılandırır. Modelin başarısı, önceden tanımlanmış bir hata payının sıfırlanmasıyla değil; küme içi benzerliğin maksimize edilmesi, kümeler arası ayrıklığın artırılması veya boyut indirgeme sırasında bilgi kaybının (reconstruction error) minimize edilmesi gibi içsel metriklerle ölçülür.

Denetimli ve Denetimsiz Öğrenme Arasındaki Farklar Nelerdir?

Makine öğrenmesi mimarilerini seçerken karşılaşılan en temel ayrım, veri setinin niteliği ve ulaşılmak istenen iş hedefidir. Denetimli öğrenme (Supervised Learning), regresyon ve sınıflandırma problemlerinde girdi-çıktı eşleşmesini öğrenerek gelecekteki veriler için tahmin üretmeye odaklanır. Buna karşılık denetimsiz öğrenme (Unsupervised Learning), çıktı alanı tanımlanmamış ham veri uzayında yapısal haritalama gerçekleştirir. Bu iki yaklaşım; veri hazırlık süreçleri, işlem maliyetleri, doğrulama mekanizmaları ve hata toleransı açısından temel farklılıklar içerir.

Modern veri bilimi boru hatlarında bu iki yöntem birbirini dışlayan değil, birbirini tamamlayan mekanizmalar olarak kurgulanır. Özellikle yarı denetimli öğrenme (Semi-Supervised Learning) ve kendi kendini denetleyen öğrenme (Self-Supervised Learning - SSL) paradigmaları, iki yaklaşım arasındaki köprüyü kurar. Örneğin, yüz binlerce müşteri destek biletine sahip bir SaaS şirketi, biletleri önce denetimsiz kümeleme algoritmalarıyla konu öbeklerine ayırabilir; ardından her öbekten seçilen sınırlı sayıda örnek uzmanlarca etiketlenerek denetimli bir sınıflandırıcı eğitilebilir.

Bunun yanı sıra, derin öğrenme tabanlı Büyük Dil Modelleri (LLM) ve çok modlu (multimodal) yapay zeka sistemleri, ön eğitim (pre-training) aşamasında devasa ölçekli denetimsiz/kendi kendini denetleyen yöntemleri kullanır. Trilyonlarca token içeren metin yığınlarından dilin anlamsal temsillerini çıkaran bu modeller, daha sonra denetimli ince ayar (Supervised Fine-Tuning - SFT) ve insan geri bildirimiyle pekiştirmeli öğrenme (RLHF) aşamalarından geçirilerek yönlendirilebilir hale getirilir.

Denetimsiz Öğrenmenin Çözdüğü Temel Problemler ve Kullanım Alanları

Kurumsal veri mimarilerinde denetimsiz öğrenme, teorik bir keşif aracı olmanın ötesinde doğrudan gelir artırıcı, maliyet düşürücü ve risk önleyici işlevlere sahiptir. İşletmelerin karşılaştığı karmaşık veri problemlerini çözmek için denetimsiz öğrenme dört ana problem sınıfı altında konumlandırılır.

1. Kümeleme (Clustering) ile Müşteri Segmentasyonu ve Davranış Analizi

Kümeleme algoritmaları, veri setindeki gözlemleri matematiksel benzerliklerine göre gruplara ayırır. Geleneksel kural tabanlı segmentasyon sistemleri ("Son 30 günde 500 TL üzeri alışveriş yapanlar" gibi) statiktir ve çok değişkenli mikro davranışları kaçırır. Denetimsiz kümeleme algoritmaları ise; müşterinin sitede kalma süresi, kategori gezinme sıklığı, indirim hassasiyeti, iade oranı ve çağrı merkezi etkileşim süresi gibi onlarca boyutu aynı anda işleyerek dinamik davranışsal personalar çıkarır.

• Dinamik RFM (Recency, Frequency, Monetary) Analizi: Müşterilerin harcama sıklığı, son işlem tarihi ve parasal değeri çok boyutlu uzayda kümelenerek kayıp riski (churn) taşıyan veya sadık kitleler otomatik ayrıştırılır.

• B2B Hesap Segmentasyonu: SaaS şirketlerinde kullanım yoğunluğu, özellik bazlı tıklamalar ve lisans doluluk oranları analiz edilerek ek satış (upsell) potansiyeli taşıyan kurumsal hesaplar belirlenir.

• İçerik ve Ürün Gruplama: Medya ve yayıncılık platformlarında yüz binlerce makale veya video, metin gömmeleri (embeddings) üzerinden denetimsiz olarak konularına göre kümelenir.

2. Boyut İndirgeme (Dimensionality Reduction) ve Manifold Öğrenmesi

Modern kurumsal sistemlerde veri tabloları yüzlerce hatta binlerce sütundan (özellik/feature) oluşur. Bu durum, makine öğrenmesinde "Boyutun Laneti" (Curse of Dimensionality) olarak adlandırılan ve mesafe metriklerinin anlamsızlaşmasına, bellek taşmalarına ve işlem sürelerinin aşırı uzamasına yol açan bir sorundur. Boyut indirgeme, verideki toplam varyansı veya bilgi bütünlüğünü minimum kayıpla korurken değişken sayısını yönetilebilir seviyelere çeker.

• Model Ön İşleme Optimizasyonu: Denetimli makine öğrenmesi modelleri eğitilmeden önce yüksek korelasyonlu değişkenlerin tek bir bileşende toplanması, model eğitim sürelerini yüzde 60 ila 80 oranında kısaltır.

• Çok Boyutlu Veri Görselleştirme: Yüksek boyutlu müşteri veya ürün vektörlerinin 2B veya 3B koordinat düzlemine izdüşürülerek iş birimlerinin görsel analiz yapabilmesi sağlanır.

• Gürültü Filtreleme (Denoising): Ses, görüntü veya sensör sinyallerindeki rastgele gürültü bileşenleri ana varyans eksenlerinden ayrılarak temizlenir.

3. Birliktelik Kuralları (Association Rules) ile Çapraz Satış ve Sepet Analizi

Birliktelik kuralları, işlem tabanlı (transactional) veri tabanlarında sıklıkla birlikte meydana gelen olayları ve satın alma modellerini ortaya çıkarır. Bu yaklaşım, olasılık ve koşullu bağımlılık prensiplerini kullanarak "Eğer X gerçekleşirse, Y'nin gerçekleşme olasılığı nedir?" sorusuna yanıt üretir.

• Pazar Sepeti Analizi (Market Basket Analysis): Perakende ve e-ticaret sitelerinde hangi ürünlerin birlikte satın alındığı tespit edilerek dinamik paketleme (bundling) ve çapraz satış önerileri kurgulanır.

• Sayfa Gezinme ve UI/UX Optimizasyonu: Bir web sitesinde kullanıcıların arka arkaya ziyaret ettiği sayfalar arasındaki geçiş kuralları analiz edilerek dönüşüm hunileri (funnels) optimize edilir.

• Tıbbi ve Farmasötik Çapraz Etki Analizi: Farklı semptomların veya reçete edilen ilaçların birlikte görülme sıklığı incelenerek beklenmeyen yan etki kombinasyonları araştırılır.

4. Anomali Tespiti (Anomaly Detection) ile Sahtekarlık ve Tehdit Önleme

Anomali tespiti, veri setinin genel istatistiksel dağılımına uymayan, normalin dışındaki nadir gözlemleri (outliers) izole etme sürecidir. Denetimli sistemlerde bilinmeyen bir saldırı veya dolandırıcılık türü daha önce etiketlenmediği için tespit edilemez; denetimsiz anomali tespiti ise "normal davranışın" sınırlarını çizerek bu sınırların dışına çıkan her eylemi şüpheli olarak işaretler.

• Finansal Dolandırıcılık (Fraud) Tespiti: Kredi kartı harcamalarında olağan dışı coğrafi konum değişimleri, ani harcama artışları veya işlem sıklığı anomalileri milisaniyeler içinde yakalanır.

• Siber Güvenlik ve SIEM Entegrasyonları: Kurumsal ağlarda yetkisiz veri sızdırma girişimleri, anormal port hareketleri ve şüpheli kimlik doğrulama anomalileri denetimsiz log analiziyle belirlenir.

• Kestirimci Bakım (Predictive Maintenance): Endüstriyel üretim tesislerindeki motor ve türbin sensörlerinden gelen titreşim ve sıcaklık verilerindeki mikro sapmalar, arıza meydana gelmeden günler önce tespit edilir.

En Sık Kullanılan Denetimsiz Öğrenme Algoritmaları ve Çalışma Prensipleri

Denetimsiz öğrenme projelerinde başarı, problemin topolojisine ve veri setinin geometrik dağılımına uygun algoritmanın seçilmesine bağlıdır. Hatalı algoritma seçimi, olmayan örüntülerin varmış gibi yorumlanmasına (yapay kümelenme) ya da kritik sinyallerin gürültü içinde kaybolmasına yol açar.

K-Means ve K-Medoids Kümeleme

K-Means, kümeleme alanında en yaygın kullanılan merkez tabanlı (centroid-based) algoritmadır. Algoritma, kullanıcı tarafından önceden belirlenen bir $k$ küme sayısı ile başlar ve rastgele $k$ adet merkez noktası atar. Her veri noktası, kendisine en yakın merkeze atanır (genellikle Öklid mesafesi kullanılır) ve ardından merkez noktaları, o kümeye atanan noktaların ortalaması alınarak güncellenir. Bu işlem, merkezlerin konumu değişmeyene kadar (yakınsama) yinelenir.

• Avantajları: Hesaplama karmaşıklığı düşüktür ($O(n \cdot k \cdot t)$), büyük veri setlerinde hızlı çalışır ve doğrusal olarak ölçeklenebilir.

• Sınırlılıkları: $k$ parametresinin önceden bilinmesini gerektirir, küresel (spherical) olmayan karmaşık geometrileri tespit edemez ve uç değerlere (outliers) karşı son derece hassastır. Uç değer hassasiyetini azaltmak için merkez olarak ortalama yerine veri noktasının kendisini seçen K-Medoids (PAM) türevi tercih edilir.

Yoğunluk Tabanlı Kümeleme: DBSCAN ve OPTICS

DBSCAN (Density-Based Spatial Clustering of Applications with Noise), verileri yoğunluk bölgelerine göre gruplandırır. Bir noktanın çekirdek nokta (core point) sayılması için belirli bir yarıçap ($\epsilon$ - epsilon) içinde minimum sayıda komşuya (minPts) sahip olması gerekir. Yoğun alanlar birbirine bağlanarak rastgele şekilli kümeler oluşturulur; yoğunluk eşiğini karşılayamayan izole noktalar ise doğrudan "gürültü" olarak etiketlenir.

• Avantajları: Küme sayısının ($k$) önceden belirlenmesine gerek yoktur, hilal veya halka gibi karmaşık manifold şekillerini başarıyla yakalar ve gürültüyü otomatik izole eder.

• Sınırlılıkları: Değişken yoğunluklu veri setlerinde tek bir $\epsilon$ değeri yetersiz kalır. Bu gibi durumlarda yoğunluk hiyerarşisini hesaplayan OPTICS veya HDBSCAN algoritmaları devreye girer.

Hiyerarşik Kümeleme (Hierarchical Clustering)

Veri setini bir ağaç yapısı (dendrogram) şeklinde modelleyen yaklaşımdır. İki temel yöntem bulunur:

1. Aglomera (Agglomerative - Aşağıdan Yukarıya): Her veri noktasının bağımsız bir küme olarak başladığı ve en yakın kümelerin adım adım birleştirildiği yöntemdir.

2. Bölücü (Divisive - Yukarıdan Aşağıya): Tüm veri setinin tek bir küme olarak başlayıp iteratif olarak alt kümelere ayrıldığı yöntemdir.

Dendrogram grafiği sayesinde analistler verinin hangi benzerlik eşiğinde kaç kümeye ayrıldığını görsel olarak inceleyebilir ve optimum kesim noktasını belirleyebilir. Ancak $O(n^3)$ seviyesine ulaşabilen hesaplama maliyeti nedeniyle on binlerce satırı aşan veri setlerinde doğrudan kullanımı kısıtlıdır.

Temel Bileşen Analizi (PCA) ve t-SNE / UMAP

Boyut indirgeme alanında farklı matematiksel yaklaşımlar kullanılır:

• PCA (Principal Component Analysis): Veri setinin kovaryans matrisinin özvektörlerini (eigenvectors) ve özdeğerlerini (eigenvalues) hesaplayarak verideki toplam varyansı maksimize eden yeni, birbirine dik (ortogonal) yapay eksenler üretir. Doğrusal boyut indirgeme için endüstri standardıdır.

• t-SNE (t-Distributed Stochastic Neighbor Embedding): Yüksek boyutlu uzaydaki noktaların komşuluk olasılıklarını düşük boyutlu uzayda korumaya çalışan, doğrusal olmayan bir görselleştirme algoritmasıdır. Veri keşfi ve küme ayrışımını gözlemlemek için idealdir ancak yeni gelen veriyi dönüştürmek için uygun değildir.

• UMAP (Uniform Manifold Approximation and Projection): Riemann geometrisi ve cebirsel topolojiye dayanan, hem yerel komşulukları hem de küresel veri yapısını koruyan modern, yüksek performanslı bir boyut indirgeme tekniğidir.

İzolasyon Ormanı (Isolation Forest) ve LOF

Anomali tespiti için özel olarak tasarlanan algoritmalar şunlardır:

• Isolation Forest: Anomalilerin normal noktalara göre veri uzayında "az sayıda ve seyrek" olduğu varsayımına dayanır. Rastgele karar ağaçları oluşturularak noktalar izole edilir. Normal noktaları izole etmek çok sayıda bölme (derin ağaç) gerektirirken, anomaliler ağacın köküne çok yakın seviyelerde (kısa yol uzunluğu ile) izole edilir.

• Local Outlier Factor (LOF): Bir veri noktasının yerel yoğunluğunu komşularının yerel yoğunluğuyla karşılaştırır. Komşularına göre belirgin şekilde daha düşük yoğunluklu bir bölgede kalan noktalar anomali olarak derecelendirilir.

İşletmeler İçin Denetimsiz Öğrenme Projesi Uygulama Adımları

Denetimsiz öğrenme modellerini üretime (production) almak, denetimli modellere göre daha titiz bir veri ön işleme ve doğrulama disiplini gerektirir. Bir referans etiket bulunmadığından, veri hattındaki küçük bir ölçekleme hatası tüm kümeleme mantığını geçersiz kılabilir.

1. Veri Temizliği ve Tip Dönüşümü: Ham verideki eksik değerler (missing values) incelenmeli; rastgele eksiklikler medyan veya k-en yakın komşu (KNN Imputer) ile doldurulmalıdır. Kategorik değişkenler için uygun kodlama (One-Hot Encoding, Target Encoding veya Embedding) yöntemleri seçilmelidir.

2. Özellik Ölçekleme (Feature Scaling): Mesafe tabanlı algoritmalar (K-Means, DBSCAN, PCA, KNN) büyüklük farklarından doğrudan etkilenir. Yıllık gelir ($1.000.000 TL$) ile müşteri yaşı ($35$) aynı formüle sokulduğunda, gelir değişkeni tüm modeli domine eder. Bu nedenle StandardScaler (Z-skoru standardizasyonu) veya uç değerlerin bulunduğu durumlarda RobustScaler kullanımı zorunludur.

3. Optimum Hiperparametre Tespiti:

• K-Means için Dirsek Yöntemi (Elbow Method) ile küme içi kareler toplamı (WCSS) grafiği çizilerek bükülme noktası incelenir.

• Silhouette Analizi uygulanarak noktaların kendi kümesine olan benzerliği ile en yakın komşu kümeye olan uzaklığı $-1$ ile $+1$ arasında skorlanır. $+0.5$ üzeri değerler kabul edilebilir bir ayrışmaya işaret eder.

1. Boru Hattı Entegrasyonu ve Yayına Alma: Model scikit-learn, PyTorch veya MLflow boru hatları aracılığıyla kapsüllenmeli (containerization - Docker) ve REST API ya da Kafka akışları üzerinden gelen yeni verilere gerçek zamanlı çıkarım (inference) yapacak şekilde konuşlandırılmalıdır.

İş Süreçlerinde Denetimsiz Öğrenme: Riskler, Sınırlılıklar ve Entegrasyon Stratejisi

Denetimsiz öğrenme yöntemleri yüksek katma değer sunsa da, işletmelerin bu modelleri körü körüne otomatize etmesi ciddi finansal, operasyonel ve yasal riskler barındırır. Modelin doğası gereği kesin bir doğruluk kıstası bulunmadığından, stratejik kararlar alınırken temkinli ve kontrollü bir yönetişim mimarisi kurulmalıdır.

Model Performansı ve Doğrulama Zorluğu

Denetimsiz modellerde "yüzde 95 doğruluk" gibi net bir doğrulama metriği üretilemez. Algoritma, verideki tamamen anlamsız veya tesadüfi korelasyonları "anlamlı bir küme" gibi yapılandırabilir. Örneğin, bir perakende veri setinde algoritma, müşterileri alışveriş tercihlerine göre değil, kredi kartı son kullanma tarihlerinin rakamsal dağılımına göre kümeleyebilir.

Bu riski minimize etmek için matematiksel geçerlilik metrikleri kullanılmalıdır:

• Silhouette Katsayısı: Kümelerin ne kadar ayrık ve yoğun olduğunu gösterir.

• Davies-Bouldin İndeksi: Kümelerin benzerlik oranını ölçer; sıfıra yakın değerler daha iyi bir kümeleme ayrımını ifade eder.

• Calinski-Harabasz Skoru: Kümeler arası varyansın küme içi varyansa oranını verir; yüksek değerler daha iyi yapılandırılmış kümeleri temsil eder.

Bu içsel metrikler tek başına yeterli değildir; algoritmik çıktıların mutlaka alan uzmanları (domain experts) tarafından iş hedefleriyle tutarlılığı incelenmelidir.

Veri Gizliliği ve KVKK / GDPR Uyum Süreçleri

Denetimsiz öğrenme modelleri, çok sayıda değişkeni aynı anda korele ettiği için geleneksel yöntemlerle anonimleştirilmiş verilerde dahi dolaylı yoldan bireyleri yeniden tanımlayabilir (re-identification risk). Kullanıcıların konum geçmişleri, gezinme zaman damgaları ve cihaz özellikleri denetimsiz bir boyutta birleştiğinde, KVKK ve GDPR kapsamında kişisel veri niteliği kazanan benzersiz dijital parmak izleri ortaya çıkabilir.

Bu kapsamda:

• Veriler modellerin eğitim havuzuna alınmadan önce k-anonimlik (k-anonymity) ve l-çeşitlilik (l-diversity) standartlarına uygun hale getirilmelidir.

• Gömme (embedding) vektörleri üzerinden çalışan sistemlerde diferansiyel gizlilik (differential privacy) teknikleri uygulanarak model parametrelerinden orijinal verinin geri çatılabilmesi engellenmelidir.

• Hassas kişisel veriler (özel nitelikli veriler) doğrudan kümeleme özellik matrislerine dahil edilmemelidir.

İnsan Denetimi (Human-in-the-Loop) Neden Kritik?

Denetimsiz modellerin kararları doğrudan iş süreçlerine aktarılmamalı; sistem bir karar verici değil, karar destek mekanizması olarak konumlandırılmalıdır. Modelin ürettiği anomali alarmları veya müşteri segmentleri, insan uzmanların onayından geçtikten sonra aksiyona dönüştürülmelidir.

Örneğin, bankacılıkta denetimsiz anomali tespiti yapan bir model bir işlemi "şüpheli" olarak izole ettiğinde, kullanıcının hesabı anında ve kalıcı olarak kapatılmamalı; işlem ek güvenlik doğrulamasına (2FA) yönlendirilmeli veya bir uyum uzmanının inceleme paneline düşürülmelidir. Bu yaklaşım, sistemin yanlış pozitif (false positive) üreterek gerçek müşterileri mağdur etmesini ve iş kaybına yol açmasını engeller.