diff --git a/tr/cheatsheet-machine-learning-tips-and-tricks.md b/tr/cheatsheet-machine-learning-tips-and-tricks.md index 5dd821561..37c81719e 100644 --- a/tr/cheatsheet-machine-learning-tips-and-tricks.md +++ b/tr/cheatsheet-machine-learning-tips-and-tricks.md @@ -1,108 +1,108 @@ **1. Machine Learning tips and tricks cheatsheet** -⟶ +⟶ Makine Öğrenmesi ipucu ve kısayol el kitabı.
**2. Classification metrics** -⟶ +⟶ Sınıflandırma ölçütleri
**3. In a context of a binary classification, here are the main metrics that are important to track in order to assess the performance of the model.** -⟶ +⟶ Bir binary sınıflandırma bağlamında, modelin performansını belirlemek için kullanılan ana ölçütler şunlardır.
**4. Confusion matrix ― The confusion matrix is used to have a more complete picture when assessing the performance of a model. It is defined as follows:** -⟶ +⟶ Hata matrisi - Hata matrisi, bir modelin performansını değerlendirirken daha eksiksiz bir tabloya sahip olmak için kullanılır. Şöyle tanımlanmaktadır:
**5. [Predicted class, Actual class]** -⟶ +⟶ [Tahmin edilmiş sınıf, Gerçek Sınıf]
**6. Main metrics ― The following metrics are commonly used to assess the performance of classification models:** -⟶ +⟶ Ana ölçütler - Sınıflandırma modellerinin performanslarını değerlendirmek için yaygın olarak kullanılan ölçütler şöyledir:
**7. [Metric, Formula, Interpretation]** -⟶ +⟶ [Ölçüt, Formül, Açıklama]
**8. Overall performance of model** -⟶ +⟶ Modelin genel performansı
**9. How accurate the positive predictions are** -⟶ +⟶ Olumlu tahminlerin ne kadar doğru olduğu
**10. Coverage of actual positive sample** -⟶ +⟶ Gerçek pozitif örneklerin kapsama miktarı
**11. Coverage of actual negative sample** -⟶ +⟶ Gerçek negatif örneklerin kapsama miktarı
**12. Hybrid metric useful for unbalanced classes** -⟶ +⟶ Dengesiz sınıflar için hibrit ölçüt yararlıdır
**13. ROC ― The receiver operating curve, also noted ROC, is the plot of TPR versus FPR by varying the threshold. These metrics are are summed up in the table below:** -⟶ +⟶ ROC - Alıcı çalışma eğrisi, ayrıca ROC(Alıcı Çalışma Eğrisi), eşik değerine bağlı olarak TPR'nin FPR'ye karşı grafiğidir. Bu ölçütlerin özeti aşağıdaki tablodadır:
**14. [Metric, Formula, Equivalent]** -⟶ +⟶ [Ölçüt, Formül, Karşılığı]
**15. AUC ― The area under the receiving operating curve, also noted AUC or AUROC, is the area below the ROC as shown in the following figure:** -⟶ +⟶ AUC - Alıcı çalışma eğrisi altında kalan alan, ayrıca AUC yada AUROC, ROC altında kalan alan olarak aşağıdaki şekildeki gibi gösterilir:
**16. [Actual, Predicted]** -⟶ +⟶ [Gerçek, Tahmin Edilmiş]
**17. Basic metrics ― Given a regression model f, the following metrics are commonly used to assess the performance of the model:** -⟶ +⟶ Basit Ölçütler - Bir regresroy modeli f verildiğinde, aşağıdaki ölçütler genelde modelin performansını değerlendirmek için kullanılır:
**18. [Total sum of squares, Explained sum of squares, Residual sum of squares]** -⟶ +⟶ [Toplam kareler toplamı, Açıklanan kareler toplamı, Artık kareler toplamı]