# Kitap Rotası: Düzenlileştirme ve Eğitim Disiplini

<div class="mlv-demo-links">
  <a class="mlv-demo-link" href="hundred_page_ml.html">Genel Harita</a>
  <a class="mlv-demo-link" href="interactive_book_model_selection.html">Model Seçimi</a>
  <a class="mlv-demo-link active" href="book_regularization.html">Düzenlileştirme</a>
  <a class="mlv-demo-link" href="interactive_book_weight_decay.html">Weight Decay</a>
  <a class="mlv-demo-link" href="interactive_book_dropout.html">Dropout</a>
  <a class="mlv-demo-link" href="interactive_book_early_stopping.html">Early Stopping</a>
  <a class="mlv-demo-link" href="book_uncertainty_and_calibration.html">Belirsizlik</a>
  <a class="mlv-demo-link" href="book_unsupervised_and_other_learning.html">Gözetimsiz ve Ötesi</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Kitap / Bölüm 8</div>
  <p class="mlv-demo-lead">Model ailesini seçmek tek başına yeterli değildir. Kitabın ileri pratik tavrı burada daha da somutlaşır: iyi bir model, yalnızca güçlü değil; aynı zamanda kontrollü öğrenen modeldir. Düzenlileştirme tam burada devreye girer.</p>
</div>

## Neyi Kontrol Ediyoruz?

- Weight decay: büyük ağırlıkları cezalandırıp çözümü daha sakin hale getirir.
- Dropout: eğitim sırasında bazı birimleri rastgele kapatıp tek bir dar alt ağ alışkanlığını bozar.
- Early stopping: doğrulama bozulmaya başlamadan eğitimi keserek aşırı uyumu sınırlar.

## Bu Projedeki Görsel Karşılıklar

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Weight Decay</strong>
    <span>Katsayıların nasıl küçüldüğünü, eğrinin nasıl yumuşadığını ve doğrulamanın nasıl iyileşebildiğini gör.</span>
    <span><a href="interactive_book_weight_decay.html">Canlı weight decay</a></span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Dropout</strong>
    <span>Eğitim anındaki rastgele alt ağlar ile çıkarım anındaki ortalama davranış arasındaki farkı canlı izle.</span>
    <span><a href="interactive_book_dropout.html">Canlı dropout</a></span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Early Stopping</strong>
    <span>En iyi doğrulama epoch'undan sonra eğitimde kalmanın nasıl borç yazdığını eğriler üstünde oku.</span>
    <span><a href="interactive_book_early_stopping.html">Canlı early stopping</a></span>
  </div>
</div>

## Neden Bu Bölüm Model Seçiminden Sonra Geliyor?

Çünkü kitap için bu iki fikir ayrılmaz: önce hangi model ailesinin uygun olduğuna karar verirsin, sonra o ailenin nasıl dizginleneceğini belirlersin. Kapasite seçimi ile düzenlileştirme aynı genelleme disiplininin iki yüzüdür.

<div class="mlv-demo-links">
  <a class="mlv-demo-link active" href="book_regularization.html">Bu Sayfa</a>
  <a class="mlv-demo-link" href="interactive_book_weight_decay.html">Weight Decay</a>
  <a class="mlv-demo-link" href="interactive_book_dropout.html">Dropout</a>
  <a class="mlv-demo-link" href="interactive_book_early_stopping.html">Early Stopping</a>
  <a class="mlv-demo-link" href="book_uncertainty_and_calibration.html">Belirsizlik</a>
  <a class="mlv-demo-link secondary" href="book_unsupervised_and_other_learning.html">Sonraki: Gözetimsiz ve Ötesi</a>
</div>
