SEPrimer / README.md

v2.0: synthetic demo model (not a real-data candidate)

237b231 verified 7 days ago

4.03 kB

language: tr
library_name: sklearn
tags:
  - onnx
  - tabular-classification
  - education
  - synthetic-demo
  - logistic-regression
model-index:
  - name: SE Primer Kriz Freni
    results: []

SE Primer — Kriz freni model kartı

Sentetik demo (synthetic-demo): Bu artefakt yalnız scripts/generate_demo.py tarafından üretilen sentetik veriyle eğitilmiştir. Gerçek kullanıcı verisiyle eğitilmedi; gerçek öğrenci başarımı, genelleme veya üretim kullanımı iddiası taşımaz. 4 Kasım 2026'da 15 oturumluk gerçek veri toplandı, ancak 45 satırın 44'ü 0 etiketli olduğu ve holdout'ta iki sınıf kalmadığı için train.py adayı reddetti. Bu nedenle gerçek veri modeli yayınlanmadı; bu karttaki model sentetik demodur.

Amaç

Muhteşem Cuma ödeme krizi oyununda oyuncunun yönlendirici ipucu isteyip istemediğini tahmin etmek. Lojistik regresyon + StandardScaler tek ONNX pipeline'ıdır. Ölçeklemeyi istemci ayrıca yapmaz. Pozitif sınıf 1; karar eşiği 0.60. Sahneye özgü soru, mentorun açılma zamanı ve deneyimli modun sayaç durdurması bu kararı kullanır.

Veri ve ölçüm

Güncel durum ve kesin metrikler aynı commit'teki config.json içindedir. status=synthetic-demo ise gerçek insan başarımı ölçülmemiştir; sentetik doğruluk gerçek kullanıcılarda başarı demek değildir. 240 sentetik oturumun üreticisi seed=42 ile scripts/generate_demo.py dosyasında; veri sözlüğünde açık kuralı yazılıdır. Gerçek veri adayı yalnız en az 15 tamamlanmış gerçek oturumdan eğitilebilir. Etiket karar öncesi öz bildirimdir; modelden veya A/B sonucundan üretilmez. 4 Kasım 2026'daki 15 oturumluk tur bu kapıyı geçemedi: etiket 44×0 / 1×1, süre 1–4 sn, ipucu_sayisi tüm satırlarda 0. Veri yapay olarak dengelenmedi ve eşik düşürülmedi.

Holdout oturum bazlı %25; seed=42. Test doğruluğu p>=0.60 kararıyla hesaplanır. Kabul kapısı accuracy>=0.75. Her iki sınıf hem eğitim hem testte bulunmalıdır. Ayrıca holdout çoğunluk baseline'ı hesaplanır; model bunu kesin olarak aşmalıdır, eşitlik de reddedilir. Tek sınıfı tahmin eden model yayımlanmaz. ONNX/sklearn tüm veri ve referanslarda mutlak olasılık farkı <1e-4. Test kümesiyle model seçimi yapılmaz; başarısızlıkta daha çeşitli veri toplanır.

Sözleşme ve yeniden üretim

contract.json eğitim öncesi özellik sırası, aralıklar ve eşiklerdir. config.json giriş [N,5] float32, çıkış adı, sınıf sırası, metrikler, veri/model SHA256 ve bağımlılık sürümlerini içerir. Model dosyası ile config birlikte sürümlenir. Tam bağımlılıklar requirements-lock.txt; eğitim komutu repo README'sinde. Python oracle ve gerçek tarayıcı WASM'ı aynı beş referansla karşılaştırılır.

Sınırlar / kullanılmaması gereken durumlar

Küçük ve tek hikâyeye ait veri; tekrar oyunlarında öğrenme etkisi; öz bildirim yanlılığı. Profil seçimi uzmanlığın nesnel ölçümü değildir. Uzun düşünmek başarısızlık değildir. Oturum ayrımı kişi ayrımı garantilemez. Model olasılıkları kalibre edilmiş güven puanı değildir. Öğrenci notlandırma, işe alım, kişilik/sağlık değerlendirmesi veya gerçek ödeme sistemlerinde karar verme için kullanılmaz. İstemciye indirilen model gizli değildir.

Demo

Canlı uygulama: https://kurtulusyuksel.github.io/SE-Primer-v2/
75,7 sn demo video: https://github.com/kurtulusyuksel/SE-Primer-v2/blob/main/assets/demo.mp4
Kaynak depo: https://github.com/kurtulusyuksel/SE-Primer-v2

kurtulus7182
/

SEPrimer