cebel-irem/Algerian_Forest_Fires

# Algerian Forest Fires: FWI Tahmini Bu proje, **Algerian Forest Fires Veri Seti** kullanılarak **Fire Weather Index (FWI)** özniteliğinin tahmin edilmesi üzerine geliştirilmiştir. Projede, farklı makine öğrenimi algoritmaları uygulanarak modeller oluşturulmuş ve bu modellerin performansları karşılaştırılmıştır. ## 📋 Veri Seti Hakkında Algerian Forest Fires veri seti, Cezayir'in iki bölgesine ait 244 örneği içermektedir. Bu veri seti, her biri 122 örnekten oluşan iki farklı bölgedeki yangın verilerini içermektedir. **11 bağımsız değişken** ve **1 bağımlı değişken (FWI)** içeren veri seti, yangın hava indeksinin (FWI) tahmini için kullanılmıştır. - **Bağımsız Değişkenler (X):** - Rain (Yağış) - Temperature (Sıcaklık) - Relative Humidity (Bağıl Nem) - Wind Speed (Rüzgar Hızı) - Fine Fuel Moisture Code (FFMC) - Duff Moisture Code (DMC) - Drought Code (DC) - Initial Spread Index (ISI) - Month (Ay) - Day (Gün) - **Bağımlı Değişken (Y):** - Fire Weather Index (FWI) Veri seti sınıf bilgisi hariç tutularak **FWI**'ın tahmini için düzenlenmiştir. **Veri Setine Ulaşım:** Algerian Forest Fires Dataset - UCI Machine Learning Repository --- ## 🚀 Kullanılan Algoritmalar Proje kapsamında aşağıdaki algoritmalar uygulanmıştır: 1. **Destek Vektör Regresyonu (SVR)**: - Doğrusal olmayan ilişkilere sahip veri setlerinde oldukça başarılı bir algoritmadır. Bu projede SVR modeli kullanılarak FWI tahmini yapılmıştır. - Kullanılan Çekirdek: `RBF (Radial Basis Function)` 2. **Polinom Regresyon (PR)**: - Veri setindeki doğrusal olmayan ilişkileri yakalamak için çoklu terimlere dayalı regresyon modeli uygulanmıştır. 3. **Rastgele Orman Regresyonu (RFR)**: - Rastgele ormanlar, karar ağaçlarının bir ensemble (topluluk) modeli olarak çalışır. Bu projede FWI tahmini için kullanılmıştır. --- ## ⚙️ Kurulum ve Çalıştırma Projeyi çalıştırmak için aşağıdaki adımları izleyebilirsiniz: ### 1. Gerekli Kütüphanelerin Yüklenmesi ```bash pip install pandas numpy scikit-learn matplotlib ``` ## …