Bir ilişkiyi bazen bir doğruyla, bazen de parabol gibi kıvrımlı bir grafikle anlatırız. Polinom fonksiyonları, sabit değerleri de içeren bu farklı biçimleri aynı çatı altında toplar. Verideki basit eğilimleri açıklamak, değişkenler arasındaki ilişkileri modellemek ve yapay zekâda daha esnek tahminler üretmek için onlardan yararlanırız. Bu makalede gündelik bir örnekten başlayarak polinomun derecesini, katsayılarını, köklerini ve grafiğini adım adım inceleyeceğiz. Ardından polinom regresyonuna geçip aşırı öğrenmenin nasıl ortaya çıkabileceğini ele alacağız.
Doğrudan Eğriye: Polinom Fikri
Taksi ücretini açılış bedeli ve gidilen yola göre yaklaşık doğrusal bir kuralla hesaplayabiliriz; grafik bir doğru olur. Fren mesafesi ise hız arttıkça daha hızlı büyüyebilir. Reklam bütçesiyle satış arasındaki ilişki önce yükselip sonra doygunluğa yaklaşabilir; bir sensörün ölçüm hatası da sıcaklığa göre kıvrımlı bir grafik çizebilir.
Noktalar kıvrımlı bir eğilim gösteriyorsa bir doğru onları iyi açıklamayabilir. \(x^2\), \(x^3\) ve daha yüksek kuvvetleri ekleyerek daha esnek bir kural kurabiliriz. Bu tür kurallara polinom fonksiyonları deriz.
Analitik Düzlem makalesinde denklemleri grafik olarak göstermiştik. Polinomun denkleminden grafiğinin biçimi ve davranışı hakkında neler çıkarabileceğimize bakalım.
Polinom Nedir?
Tek değişkenli bir polinomun genel görünümü şöyledir:
Formüldeki harfler ve terimler şunları anlatır:
\(x\), değerini değiştirebildiğimiz değişkendir.
\(n\), sıfır veya pozitif bir tam sayıdır ve polinomdaki en büyük kuvveti gösterir.
\(a_0,a_1,\ldots,a_n\), katsayı adı verilen sabit sayılardır.
En yüksek kuvvetli terimin katsayısı sıfır olamaz; yani \(a_n\ne 0\) olmalıdır. Aksi hâlde \(x^n\) terimi ortadan kalkar ve derece daha küçük olur.
Örneğin aşağıdaki ifade bir polinomdur:
Burada \(x^4\), \(x^2\), \(x\) ve sabit terim vardır. \(x^3\) teriminin yazılmamış olması sorun değildir; onun katsayısını sıfır kabul ederiz:
Bir polinomda değişkenin kuvvetleri \(0,1,2,3,\ldots\) gibi negatif olmayan tam sayılar olmalıdır. Ayrıca değişken; bir paydanın, kökün veya başka bir fonksiyonun içine yerleştirilmemelidir.
Her Cebirsel İfade Polinom Değildir
Bir ifadede \(x\) bulunması, o ifadenin polinom olduğu anlamına gelmez. Aşağıdaki karşılaştırma sınırı netleştirir:
| İfade | Polinom mu? | Neden? |
|---|---|---|
| \(4x^3-2x+1\) | Evet | Kuvvetler negatif olmayan tam sayılardır. |
| \(\dfrac{1}{x}=x^{-1}\) | Hayır | Değişkenin kuvveti negatiftir. |
| \(\sqrt{x}=x^{1/2}\) | Hayır | Kuvvet tam sayı değildir. |
| \(2^x\) | Hayır | Burada değişken tabanda değil, üsttedir. |
| \(\sin(x)\) | Hayır | Bu bir trigonometrik fonksiyondur. |
Bir Polinomun Değerini Bulmak
Polinomun belirli bir girdideki değerini bulmak için o sayıyı \(x\)'in yerine koyarız. Örneğin
olsun. \(x=2\) için hesaplama şöyledir:
Hesapladığımız değer grafikte \((2,15)\) noktasına karşılık gelir. Denklem ve nokta aynı girdi ile çıktıyı iki farklı biçimde gösterir.
\(x=-2\) yazarken kuvveti doğru uygulamak için parantez kullanmak önemlidir: \((-2)^2=4\), fakat \(-2^2=-(2^2)=-4\) olur.
Derece: Polinomun Genel Karakteri
Sıfırdan farklı katsayıya sahip en büyük kuvvete polinomun derecesi denir. Örneğin \(5x^6-2x+9\) polinomunun derecesi \(6\), \(4x^2+3x-1\) polinomunun derecesi \(2\)'dir.
Derece, grafiğin kaç kez yön değiştirebileceği ve en fazla kaç gerçek kökü olabileceği hakkında sınır verir. Uçların yönünü anlamak için baş terime de bakarız. İlk derecelerin grafiklerini inceleyelim.
Sabit fonksiyon: Derece \(0\)
\(x\) hangi değeri alırsa alsın sonuç \(3\)'tür. Bu nedenle grafik yatay bir doğrudur. Sıfırdan farklı sabit polinomların derecesi \(0\)'dır. Tamamı sıfır olan \(P(x)=0\) polinomunun derecesi ise çoğu kaynakta tanımsız kabul edilir; çünkü onda en büyük kuvvetli, sıfırdan farklı bir terim yoktur.
Birinci derece: Doğrusal görünüm
Birinci derece polinomun genel biçimi \(f(x)=ax+b\)'dir ve \(a\ne 0\)'dır. \(a\) pozitifse doğru soldan sağa yükselir, negatifse alçalır. \(b\), doğrunun dikey ekseni kestiği değerdir.
Günlük kullanımda bu fonksiyonlara çoğu zaman “doğrusal” veya "lineer" denir. Daha katı bir matematiksel adlandırmada \(f(x)=ax\) doğrusal, \(f(x)=ax+b\) ise afin fonksiyon olarak ayrılabilir. Bu makalede grafik biçimini anlatırken yaygın kullanımı izleyeceğiz.
İkinci derece: Parabol
İkinci derece polinomların genel biçimi \(f(x)=ax^2+bx+c\)'dir. Grafikleri parabol adı verilen U biçimli bir eğridir. \(a\) pozitifse parabol yukarı, negatifse aşağı açılır. Katsayıların büyüklüğü ve diğer terimler, eğrinin genişliğini ve konumunu değiştirir.
Üçüncü derece: İki farklı uç
Üçüncü derece polinomların iki ucu zıt yönlere gider. \(x^3\) solda aşağıdan başlayıp sağda yukarı çıkarken, \(-x^3\) bunun tersini yapar. Grafiğin mutlaka tam bir S biçiminde olması gerekmez; alt dereceli terimler şekli değiştirebilir. Ancak uçlardaki genel yönü en yüksek dereceli terim belirler.
Katsayılar Grafiği Nasıl Değiştirir?
Bir polinomdaki her katsayı, grafiğin biçiminde pay sahibidir. En yüksek dereceli terimin katsayısına baş katsayı, değişken içermeyen sayıya da sabit terim denir.
Örneğin \(f(x)=ax^2\) ailesinde \(a\)'nın işareti parabolün açılma yönünü belirler. \(|a|\) büyüdükçe grafik daha dar, \(0<|a|<1\) olduğunda daha geniş görünür. Sabit terim ise \(x=0\) yazıldığında elde edilen değer olduğu için grafiğin dikey ekseni kestiği noktayı verir.
Aşağıdaki iki ifade aynı polinomu farklı biçimlerde gösterir:
İlk biçim, \(y=x^2\) parabolünün iki birim sağa ve bir birim yukarı taşındığını kolayca gösterir. İkinci biçim ise dereceleri ve katsayıları açıkça görmemizi sağlar. Gerçekten de
İki yazım aynı değerleri üretir. İlki grafiğin nasıl taşındığını, ikincisi katsayıları daha kolay gösterir.
Kökler: Grafiğin Yatay Eksene Dokunduğu Yerler
Bir polinomu sıfır yapan \(x\) değerlerine o polinomun kökleri denir. Grafikte bunlar, eğrinin yatay ekseni kestiği veya ona dokunduğu noktalardır.
Örneğin
polinomunu çarpanlarına ayıralım:
Bir çarpımın sıfır olabilmesi için çarpanlardan en az biri sıfır olmalıdır. Bu nedenle
köklerini buluruz. Grafiğin yatay ekseni kestiği noktalar \((2,0)\) ve \((-1,0)\)'dır.
Bir kök birden fazla kez çarpan olarak bulunabilir. Buna katlı kök denir:
Burada \(x=1\) iki katlı, \(x=-2\) tek katlı köktür. Kat sayısı tek olan kökte grafik yatay ekseni kesip öteki tarafa geçer; çift olan kökte eksene dokunup geri döner. Kökün kaç kez tekrarlandığı, grafiğin o noktadaki davranışını belirler.
Gerçek sayı düzleminde çizdiğimiz grafikte yalnızca gerçek kökleri görürüz. Örneğin \(x^2+1=0\) denkleminin gerçek sayılarda çözümü olmadığı için \(y=x^2+1\) grafiği yatay eksene değmez.
Baş Terim ve Uç Davranışı
\(x\)'in mutlak değeri çok büyüdüğünde, en yüksek dereceli terim diğerlerinden çok daha hızlı büyür. Örneğin
polinomunda \(x=100\) için baş terim \(2\cdot100^4=200\,000\,000\) olur. Buna karşılık \(-3x^2=-30\,000\) ve \(5x=500\)'dür. Alt dereceli terimler hâlâ sonuca katkı yapar; fakat grafiğin çok uzaklardaki genel yönünü \(2x^4\) belirler.
Derecenin tek veya çift oluşu ile baş katsayının işareti birlikte düşünüldüğünde şu tablo ortaya çıkar:
| Derece | Baş katsayı | Grafiğin uçları |
|---|---|---|
| Çift | Pozitif | Her iki uç yukarı gider. |
| Çift | Negatif | Her iki uç aşağı gider. |
| Tek | Pozitif | Sol uç aşağı, sağ uç yukarı gider. |
| Tek | Negatif | Sol uç yukarı, sağ uç aşağı gider. |
Bu bilgi grafiğin bütün ayrıntılarını vermez; yalnızca uçların hangi yöne gideceğini söyler. Ortadaki kıvrımları anlamak için kökleri, katsayıları ve grafiğin yön değiştirdiği tepe ya da çukur noktalarını da incelememiz gerekir.
Bir Polinom Kaç Kez Yön Değiştirebilir?
Bir grafik yükselirken alçalmaya başlarsa bir tepe, alçalırken yükselmeye başlarsa bir çukur oluşturur. Derecesi \(n\) olan bir polinom, en fazla \(n-1\) kez bu biçimde yön değiştirebilir.
Birinci derece bir polinom yön değiştirmez; grafik düz bir doğrudur.
İkinci derece bir polinom en fazla bir kez yön değiştirir; parabolün tepe veya çukur noktası budur.
Üçüncü derece bir polinom en fazla iki kez yön değiştirebilir.
Üçüncü dereceden bir polinomun iki kez yön değiştirmesi gerekmez. Örneğin \(x^3\) soldan sağa sürekli yükselir. Derece yalnızca dönüş sayısının üst sınırını verir.
Polinomlarla Dört Temel İşlem
Polinomları toplarken ve çıkarırken aynı kuvvete sahip terimleri birleştiririz. Örneğin
Çarpmada her terimi diğer polinomdaki her terimle çarparız:
İki polinomun toplamı, farkı ve çarpımı yine bir polinomdur. Bölmede ise sonuç her zaman polinom olmayabilir. Örneğin \(x^2\)'yi \(x\)'e bölersek \(x\) elde ederiz; fakat \(1\)'i \(x\)'e bölersek \(1/x\) ortaya çıkar ve bu bir polinom değildir.
Veriye Eğri Uydurmak: Polinom Regresyonu
Bir modelin geçmiş örneklerden yeni bir değer tahmin etmesini isteyelim. Elimizde şu küçük veri kümesi olsun:
| \(x\) | Gözlenen \(y\) |
|---|---|
| 0 | 1 |
| 1 | 2 |
| 2 | 5 |
| 3 | 10 |
Bu noktalar bir doğru üzerinde değildir; fakat \(y=x^2+1\) polinomu dört noktayı da tam olarak karşılar. Gerçek veriler çoğunlukla bu kadar kusursuz olmaz. Ölçüm hataları, eksik değişkenler ve doğal dalgalanmalar nedeniyle model, noktaların yakınından geçen uygun bir eğri bulmaya çalışır.
İkinci derece bir polinom regresyonu modeli şu biçimde yazılabilir:
Buradaki \(\hat{y}\), modelin tahminidir. Şapkanın amacı tahmini, gerçek gözlem olan \(y\)'den ayırmaktır. Eğitim sırasında sistem \(a_0\), \(a_1\) ve \(a_2\) katsayılarını veriye uygun olacak şekilde öğrenir.
Modelin grafiği \(x\)'e göre kıvrımlıdır; öğrenilen katsayılar ise modelde doğrusal biçimde yer alır. \(x\) girdisinden yeni özellikler üretiriz:
Daha önce öğrendiğimiz vektör ve matris gösterimiyle dört veri noktasını şöyle düzenleyebiliriz:
Ortadaki \([1,0,1]\) vektörü, \(a_0=1\), \(a_1=0\) ve \(a_2=1\) katsayılarını taşır. Matrisin her satırı bir örneği, her sütunu ise \(1\), \(x\) veya \(x^2\) özelliğini temsil eder. Böylece kıvrımlı bir ilişkiyi, bildiğimiz matris işlemleriyle hesaplayabiliriz.
Model Katsayıları Nasıl Öğrenir?
Modelin iyi olup olmadığını anlamak için tahminlerle gerçek değerler arasındaki farkı ölçeriz. En yaygın seçeneklerden biri, farkların karelerini toplamaktır:
Burada \(m\), örnek sayısıdır. Her örnek için gerçek değer \(y_i\) ile tahmin \(\hat{y}_i\) arasındaki fark bulunur, karesi alınır ve tüm sonuçlar toplanır. Kare alma işlemi negatif ve pozitif hataların birbirini götürmesini engeller; büyük hataları da daha ağır cezalandırır.
Eğitimde model, bu toplam hatayı küçülten katsayıları arar. Veriler sabit kalırken katsayılar hatayı azaltacak biçimde ayarlanır. Değişimin yönünü nasıl hesapladığımızı türev ve gradyan makalelerinde inceleyeceğiz.
Derece Seçimi: Ne Çok Basit Ne Çok Karmaşık
Derece yükseldikçe model daha fazla kıvrım oluşturabilir. Eğitim verisine çok iyi uyması, görmediği örneklerde de doğru tahmin yapacağını göstermez. Modelin yeni örneklere de iyi uyum sağlamasına genelleme denir.
| Durum | Ne olur? | Belirti |
|---|---|---|
| Model çok basit | Gerçek eğilimi yakalayamaz. | Eğitim ve yeni veride hata yüksektir. |
| Model dengeli | Ana eğilimi öğrenir, küçük rastlantıları önemsemez. | Yeni veride de makul sonuç verir. |
| Model gereğinden karmaşık | Verideki gürültüyü bile öğrenebilir. | Eğitim hatası düşük, yeni veri hatası yüksek olabilir. |
İlk duruma eksik öğrenme (underfitting), son duruma aşırı öğrenme (overfitting) denir. Birinci derece bir model belirgin biçimde kıvrılan veriyi açıklayamayabilir. Çok yüksek dereceli bir model ise bütün eğitim noktalarından geçmek uğruna aralarında gereksiz dalgalanmalar oluşturabilir.
Dereceyi seçerken modelin eğitim sırasında görmediği doğrulama verisindeki başarısını da ölçeriz. Daha karmaşık modeli, yeni veride gerçekten daha iyi sonuç veriyorsa seçeriz.
Yeterince yüksek dereceli bir polinom, sınırlı sayıdaki eğitim noktasını kusursuz biçimde yakalayabilir. Bu, noktaların arasındaki ve dışındaki gerçek ilişkiyi öğrendiğini kanıtlamaz.
Grafiğin Dışına Çıkarken Dikkat
Bir modelin eğitim verisinin kapsadığı aralık içinde tahmin yapmasına ara değer bulma, bu aralığın dışına çıkmasına ise dış değer tahmini veya ekstrapolasyon denir. Polinomlar aralık içinde başarılı görünürken dışarıda çok hızlı ve gerçek dışı büyüyebilir.
Örneğin \(y=x^2+1\) modeli \(x=0\) ile \(x=3\) arasındaki örneklerimizi kusursuz açıklayabilir. Aynı denklem \(x=100\) için \(10\,001\) tahmini üretir. Hesap matematiksel olarak doğrudur; fakat gerçek dünyadaki ilişkinin o kadar uzakta da aynı kurala uyduğuna dair elimizde kanıt yoktur.
Tahmini yorumlarken verinin kapsadığı aralığı ve problemin gerçek koşullarını da hesaba katmalıyız.
Birden Fazla Değişken ve Etkileşimler
Gerçek yapay zekâ problemlerinde çoğu zaman tek bir girdi yoktur. Bir evin fiyatını tahmin ederken alanı, oda sayısını ve yaşını; bir müşterinin davranışını tahmin ederken ziyaret sıklığını ve sepet tutarını birlikte kullanabiliriz.
İki değişkenli ikinci derece bir model şu terimleri içerebilir:
\(x_1x_2\) terimine etkileşim terimi denir. Bu terim, bir değişkenin etkisinin diğer değişkenin değerine bağlı olabileceğini anlatır. Örneğin reklam bütçesinin satışlara etkisi mevsime göre değişiyorsa, iki bilginin birlikte oluşturduğu etki tek tek etkilerinin toplamından farklı olabilir.
Her yeni kuvvet ve etkileşim modele ek bir özellik kazandırır. Ancak girdi sayısı ve derece arttıkça özelliklerin sayısı da hızla büyür. Bu durum daha fazla hesaplama, daha fazla veri ihtiyacı ve daha yüksek aşırı öğrenme riski anlamına gelir.
Polinomların Yapay Zekâdaki Somut Rolleri
Polinomları yapay zekâda birkaç farklı amaçla kullanabiliriz:
Polinom regresyonu: Girdi ile çıktı arasındaki doğrusal olmayan ilişkiyi basit ve yorumlanabilir bir eğriyle yaklaşıklar.
Özellik üretimi: \(x\) girdisinden \(x^2\), \(x^3\) veya \(x_1x_2\) gibi yeni özellikler oluşturularak doğrusal modeller daha esnek hâle getirilir.
Yaklaşık hesaplama: Hesaplanması pahalı bazı fonksiyonlar, belirli bir aralıkta hızlı hesaplanan polinomlarla yaklaşık olarak temsil edilebilir.
Modeli anlamlandırma: Düşük dereceli bir polinom, ilişkinin yönünü ve kıvrımını karmaşık modellere göre daha kolay açıklamamıza yardım eder.
Yerel davranışı inceleme: Karmaşık bir fonksiyonun küçük bir bölgedeki davranışı, ileride öğreneceğimiz türev araçlarıyla bir polinom üzerinden yaklaşık olarak incelenebilir.
Polinom her ilişkiye uymaz. Periyodik hareketlerde trigonometrik fonksiyonlar, oransal büyümede üstel fonksiyonlar, olasılık üretirken de başka özel fonksiyonlar daha uygun olabilir. Seçimi, anlatmak istediğimiz ilişkiye göre yapmalıyız.
Sinir Ağları Yalnızca Büyük Polinomlar mıdır?
Sinir ağlarını “çok yüksek dereceli bir polinom” diye tanımlamak cazip olsa da bu eksik ve çoğu zaman yanlış yönlendirici olur. Bir yapay nöron önce girdilerin ağırlıklı toplamını hesaplar:
Bu ifade birinci derece bir polinoma benzer. Ancak ağ daha sonra \(z\)'yi bir aktivasyon fonksiyonundan geçirir. Bu aktivasyon çoğu modern ağda polinom değildir. Bu adım önemlidir; çünkü yalnızca birinci derece dönüşümleri art arda koyarsak, kaç katman eklersek ekleyelim sonuç yine birinci derece bir dönüşüm olarak sadeleşir.
Sinir ağları da basit matematiksel işlemleri art arda kullanarak esnek ilişkiler kurar. Bunu yüksek kuvvetler eklemekten farklı kılan, katmanlar, öğrenilen ağırlıklar ve doğrusal olmayan aktivasyonlardır.
Daha Az İşlemle Hesaplama: Horner Yöntemi
Derece yükseldikçe \(x^2\), \(x^3\), \(x^4\) gibi kuvvetleri ayrı ayrı hesaplamak gereksiz işlem oluşturabilir. Polinomu iç içe yazarak daha verimli hesaplayabiliriz. Örneğin
\(x=2\) için içten dışa ilerleyelim:
Bu düzenlemeye Horner yöntemi denir. Özellikle aynı polinom çok sayıda veri noktası için hesaplanacaksa daha az çarpma işlemi önemli bir hız kazancı sağlayabilir.
Sık Yapılan Hatalar
Terim sayısını derece sanmak: \(7x^5+2\) yalnızca iki terimlidir ama derecesi \(5\)'tir.
Eksik kuvvetleri sorun saymak: Bir polinomun bütün kuvvetleri içermesi gerekmez. Eksik terimlerin katsayısı sıfırdır.
Sabit terimi unutmak: \(a_0\), aslında \(a_0x^0\)'dır; çünkü sıfırdan farklı her \(x\) için \(x^0=1\)'dir.
En yüksek dereceyi yalnızca göründüğü biçimden okumak: Önce parantezler açılmalı ve benzer terimler birleştirilmelidir. Bazı yüksek dereceli terimler birbirini götürebilir.
Kök ile dikey eksen kesişimini karıştırmak: Kökler \(P(x)=0\) yapan \(x\) değerleridir; dikey eksen kesişimi ise \(P(0)=a_0\)'dır.
Yüksek dereceyi otomatik olarak daha iyi sanmak: Eğitim verisine daha yakın olmak, yeni veride daha iyi tahmin yapmak anlamına gelmez.
Modeli veri aralığının çok dışında güvenle kullanmak: Polinomlar uzakta beklenmedik hızla büyüyebilir.
Bir Polinomu İncelerken İzlenecek Yol
Karşımıza yeni bir polinom çıktığında şu sırayı izlemek işi kolaylaştırır:
İfadeyi düzenleyip benzer terimleri birleştirelim.
En yüksek kuvveti ve baş katsayıyı bulalım.
\(x=0\) yazarak dikey eksen kesişimini belirleyelim.
Mümkünse çarpanlara ayırıp kökleri bulalım.
Derecenin tek veya çift oluşundan ve baş katsayının işaretinden uç davranışını çıkaralım.
Birkaç kolay \(x\) değeri seçerek noktalar hesaplayalım.
Bir veri modeli kuruyorsak yalnızca eğitim hatasına değil, yeni verideki başarıya da bakalım.
Bu sırayla önce polinomun yapısını, sonra grafiğini ve veri üzerindeki davranışını inceleriz.
Sonuç: Basit Kuvvetlerden Esnek Modellere
Polinomların yapısı sabitler ve değişkenin kuvvetlerinden oluşur. Derece grafiğin kaç kez yön değiştirebileceğini sınırlar; baş terim uçların yönünü, diğer katsayılar şekli ve konumu etkiler. Kökler de grafiğin yatay eksenle buluştuğu yerleri gösterir.
Doğrusal bir modele kuvvetler ve etkileşimler ekleyerek kıvrımlı ilişkiler kurabiliriz. Derece yükseldikçe veri ihtiyacı ve aşırı öğrenme riski artar; veri aralığının dışındaki tahminler de güvenilmez olabilir. Dereceyi, modelin yeni örneklerdeki başarısına göre seçmeliyiz.
Polinomlarda değişken tabanda, kuvvet sabittir: \(x^2\), \(x^3\), \(x^5\). Üstel ve Logaritmik Fonksiyonlar makalesinde \(2^x\), \(3^x\) ve \(e^x\) gibi değişkenin üstte olduğu fonksiyonlara geçecek, büyüme davranışlarının nasıl değiştiğini göreceğiz.
Yazar: Levent KARAGÖL
