translate

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.
 
 <br>
 
 **2. Classification metrics**
 
-&#10230;
+&#10230; Sınıflandırma ölçütleri
 
 <br>
 
 **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.**
 
-&#10230;
+&#10230; Bir binary sınıflandırma bağlamında, modelin performansını belirlemek için kullanılan ana ölçütler şunlardır.
 
 <br>
 
 **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:**
 
-&#10230;
+&#10230; Hata matrisi - Hata matrisi, bir modelin performansını değerlendirirken daha eksiksiz bir tabloya sahip olmak için kullanılır. Şöyle tanımlanmaktadır:
 
 <br>
 
 **5. [Predicted class, Actual class]**
 
-&#10230;
+&#10230; [Tahmin edilmiş sınıf, Gerçek Sınıf]
 
 <br>
 
 **6. Main metrics ― The following metrics are commonly used to assess the performance of classification models:**
 
-&#10230;
+&#10230; Ana ölçütler - Sınıflandırma modellerinin performanslarını değerlendirmek için yaygın olarak kullanılan ölçütler şöyledir:
 
 <br>
 
 **7. [Metric, Formula, Interpretation]**
 
-&#10230;
+&#10230; [Ölçüt, Formül, Açıklama]
 
 <br>
 
 **8. Overall performance of model**
 
-&#10230;
+&#10230; Modelin genel performansı
 
 <br>
 
 **9. How accurate the positive predictions are**
 
-&#10230;
+&#10230; Olumlu tahminlerin ne kadar doğru olduğu
 
 <br>
 
 **10. Coverage of actual positive sample**
 
-&#10230;
+&#10230; Gerçek pozitif örneklerin kapsama miktarı
 
 <br>
 
 **11. Coverage of actual negative sample**
 
-&#10230;
+&#10230; Gerçek negatif örneklerin kapsama miktarı
 
 <br>
 
 **12. Hybrid metric useful for unbalanced classes**
 
-&#10230;
+&#10230; Dengesiz sınıflar için hibrit ölçüt yararlıdır
 
 <br>
 
 **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:**
 
-&#10230;
+&#10230; ROC - Alıcı çalışma eğrisi, ayrıca ROC(Alıcı Çalışma Eğrisi), eşik değerine bağlı olarak TPR'nin FPR'ye karşı grafiğidir. Bu ölçütlerin özeti aşağıdaki tablodadır:
 
 <br>
 
 **14. [Metric, Formula, Equivalent]**
 
-&#10230;
+&#10230; [Ölçüt, Formül, Karşılığı]
 
 <br>
 
 **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:**
 
-&#10230;
+&#10230; AUC - Alıcı çalışma eğrisi altında kalan alan, ayrıca AUC yada AUROC, ROC altında kalan alan olarak aşağıdaki şekildeki gibi gösterilir:
 
 <br>
 
 **16. [Actual, Predicted]**
 
-&#10230;
+&#10230; [Gerçek, Tahmin Edilmiş]
 
 <br>
 
 **17. Basic metrics ― Given a regression model f, the following metrics are commonly used to assess the performance of the model:**
 
-&#10230;
+&#10230; Basit Ölçütler - Bir regresroy modeli f verildiğinde, aşağıdaki ölçütler genelde modelin performansını değerlendirmek için kullanılır:
 
 <br>
 
 **18. [Total sum of squares, Explained sum of squares, Residual sum of squares]**
 
-&#10230;
+&#10230; [Toplam kareler toplamı, Açıklanan kareler toplamı, Artık kareler toplamı]
 
 <br>