| ---
|
| 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
|
|
|
| ## Kaynaklar
|
| - https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
|
| - https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GroupShuffleSplit.html
|
| - https://onnx.ai/sklearn-onnx/auto_tutorial/plot_dbegin_options_zipmap.html
|
| - https://onnxruntime.ai/docs/tutorials/web/deploy.html
|
|
|
