Sürekli Bir Sonucu Tahmin Etmenin En Sade Yolu: Doğrusal Modeller (Linear Models)

Makine öğrenmesi alanında pek çok karmaşık yöntem var; ancak bazı durumlarda en sade, en anlaşılır ve en hızlı sonuç veren çözüm, doğrusal modellerdir. Doğrusal modeller (linear models), bir hedef değişken ile bir veya birden fazla yordayıcı değişken arasındaki ilişkiyi doğrusal bir denklem üzerinden kurar. Model hem kolay kurulur hem de sonuçlar “neden böyle tahmin ettiğini” açıkça gösterir.

Bu nedenle özellikle sağlık, sigorta, risk yönetimi, ekonomi gibi alanlarda doğrusal modeller hâlâ en temel referans yöntemlerden biridir.

Doğrusal modeller (linear models), bir hedef değişken ile bir veya birden fazla yordayıcı değişken arasındaki ilişkiyi basit bir matematiksel denklemle açıklar.

Bu yönüyle hem kurulması çok hızlı, hem yorumlanması kolay, hem de geniş uygulama alanına sahip bir model türüdür.

♦ Bu Modeller Nerede Kullanılır?

Doğrusal modelleme onlarca farklı alanda kullanılır. İşte tıp dışından örnekler:

1) Ekonomi — Konut Fiyat Tahmini

• Hedef (Target): Konut fiyatı

• Yordayıcılar (Inputs): Metrekare, oda sayısı, bina yaşı, merkeze uzaklık

Model şu tür soruları açıklar:

“Merkeze 1 km daha uzak olmak fiyatı ortalama ne kadar düşürüyor?”

2) Pazarlama — Satış Tahmini

• Hedef: Aylık satış miktarı

• Inputs: Reklam bütçesi, kampanya sayısı, mağaza ziyaretçi trafiği

Modelden:

“Reklam bütçesini 1.000 TL artırmak satışları ortalama kaç birim artırıyor?” sorusu doğrudan görülebilir.

3) Üretim — Arıza Süresi Tahmini

• Hedef: Makinenin arıza süresi (dakika)

• Inputs: Kullanım saati, bakım sıklığı, makine tipi

Bu model işletmelerin bakım planlamasını iyileştirmesine yarar.

4) Coğrafya — Yağış Miktarı Tahmini

• Hedef: Aylık yağış miktarı

• Inputs: Nem oranı, sıcaklık, rüzgâr hızı, bölge yüksekliği

Meteorolojide sıkça kullanılan bir tahmin yöntemidir.

🔧 SPSS’te Doğrusal Model Nasıl Kurulur?

1️⃣ Menüye gir

Analyze > Regression > Automatic Linear Models…

2️⃣ Target belirle

Sürekli ölçülen bir hedef seç:

• Konut fiyatı

• Satış miktarı

• Yağış miktarı

• Reklam dönüşümü

• Müşteri memnuniyet skoru

3️⃣ Input değişkenleri seç

Bunlar:

• Nominal → faktör

• Ordinal → faktör

• Sürekli → kovaryans

olarak modele dahil edilir.

4️⃣ Build Options ayarlarını yapılandır

• Değişken seçimi

• Model oluşturma yöntemi

• Aşırı uyuma karşı kontrol

• En iyi alt model seçimi

5️⃣ Model Options ile sonuçları kaydet

• Tahmin (predicted) değerlerini veri setine ekleme

• Modeli dışa aktarma

6️⃣ Run butonuna bas

Model oluşturulur ve sonuçlar üretilecektir.

📊 Doğrusal Model Çıktısında Neler Göreceksin?

✔ Katsayılar (Coefficients)

Her değişkenin hedef üzerindeki etkisi.

✔ Model uyum ölçümleri

• R

• R²

• F testi

• p değeri

✔ Değişken önem sıralaması (Predictor Importance)

✔ Tahmin edilen değerler ve hata ölçüleri

🧩 Örnek Model Akışı

Örnek alan: Perakende sektörü

• Target: Aylık satış (TL)

• Inputs:

  • Reklam bütçesi

  • Mağaza ziyaretçi sayısı

  • Kampanya var/yok (nominal)

  • Çevredeki rakip sayısı

Model der ki:

“Ziyaretçi sayısındaki 100 kişilik artış satışları ortalamada 1.200 TL artırıyor.” “Kampanya yapılması satışları ortalamada 8.500 TL artırıyor.”

Bu örnek tamamen tıp dışı olup, doğrusal model nasıl çalışır sorusuna pratik bir açıklama sunar.

📌 Neden Hâlâ Bu Kadar Tercih Ediliyor?

• Yorumlaması kolaydır. “Şu değişken 1 birim artarsa, hedef değişken şu kadar değişir” diye açıkça yorumlanabilir.

• Çok hızlı çalışır. 100 değişkenli bir veri setinde bile saniyeler içinde modeli kurabilir.

• Aşırı büyük veri gerektirmez.

• Sağlık çalışmalarında klinik anlamlı yorumlar üretmeyi kolaylaştırır. Yapay sinir ağları tahmin eder, ama neden tahmin ettiğini söylemez; doğrusal model söyler.