What is correlation?

Correlation measures the degree to which two variables are related to each other.

+1: Represents a strong positive relationship. E.g; The amount of time your study and your GPA.

-1: Represents the negative relationship. E.g; The cost of a car wash and how long it takes to buy a soda inside the station.

0: It means there is no relationship between them.

If the distance from the mean for a variable is compatible with the distance from the mean of the other variable, we can say that there is a positive correlation. …


Hiçbir şeyden korkmama durumunu korkusuzluk, cesaret ise korkuya rağmen işe girişmek, kendine güvenerek yüreklilik göstermek olarak nitelendiriliyor.

“Ben gemimde balinadan korkmayan hiçbir adam istemem.”

-Herman Melville (Moby Dick)

Örneğin yükseklik korkusu olan birisi bungee jumping yapmayı deniyorsa bu korkuyu yenmek yani cesarettir. Ancak hiçbir korku duymadan aynı sporu yapan kişi için cesur denebilir mi? Bence bu tamamen kayıtsızlık, varlığı ile yokluğu arasında hiçbir fark yoktur. Korku/ endişe duyma; sorumlulukları olduğu için işini kaybetmekten korkan birinin verimli çalışması durumunda olduğu gibi bazen besleyici olabilirken, zaman kaybetme ve yanlış tercihe yönlenme gibi bazı durumlarda da tehlikeli olabilir. …


UML( Birleşik Modelleme Dili), sistemlerin tanımlanması, görselleştirilmesi, yapılandırılması ve belgelendirilmesi amacıyla sistem ve yazılım geliştiriciler tarafından kullanılan standartlaştırılmış bir modelleme dilidir. UML bir yazılım dili değildir, bilişim sistemlerinde ve iş süreçlerinde kullanılan notasyonal bir dildir.

Sinan Si Alhir (1998) UML’i şu şekilde tanımlamaktadır:
“… riskleri yönetirken ve gittikçe artan değişim ve karmaşıklık konusunda proaktif olmanın yanı sıra, kaliteyi artırarak, maliyetleri azaltarak ve piyasaya süreyi azaltarak değeri arttırmak için stratejik, taktik ve operasyonel bilgilerin yakalanması, iletilmesi ve kullanılmasıdır.”

Neden UML?

  • Programı ilişkili parçalara ayırırız ve bu sayede ortak çalışılan projelerde teknik ve teknik olmayan kişiler arasında iletişimi kolaylaştırır.
  • Bileşen ve ilişkileri görsel olarak…


Veri aldığımızda ön işleme , veri temizleme ve kurulduktan sonra ilk adım onu bitmemiş bir modele beslemek ve tabii ki olasılıklarda çıktı elde etmektir . Ama bekleyin ! Nasıl modelimizin etkililiğini ölçebiliriz ? Etkinliği artırın , performansı artırın ve kesinlikle istediğimiz şey bu . Ve hata matrisinin sahne ışığına çıktığı yer burasıdır . Hata matrisi makine öğrenmesi sınıflandırmaları için performans ölçerdir .

Bu yazı şu soruları cevaplamayı hedefler :

  1. Hata matrisi nedir ve neden ihtiyacımız vardır ?
  2. 2-class sınıflandırma problemi için hata matrisi nasıl hesaplanır ?

Bugün öncelikle hata matrisini anlayalım .

Hata matrisi nedir ve neden ihtiyacımız vardır ?


2D Maaliyet Fonksiyonun İki Bağımsız Değişkenle Çizilmiş Görünümü

Sıklıkla şu iki soruyu sorarım ,“ Dereceli azalmayı açıklayabilir misin ?” ve “Dereceli azalma/gradyan alçalış makine öğrenmesinde nasıl bir rol oynar?” .

Verdiğim eğitim boyunca , dereceli azalmanın ne olduğunu ve Makine

Öğrenimi söz konusu olduğunda neden “temel bileşen” olduğunu bu blogta paylaşacağımı düşündüm.

Şimdi buraya çok önemli bir varsayım bırakıyorum ve bu : okuyucu Calculus’u ,özellikle 2’ye kadar olan farklılaşmayı anlayacak .

Maliyet Fonksiyonu

Makine öğrenimini bilenler ya da öğrenenler için , her bir makine öğrenim modelinin bir maliyet fonksiyonuna sahip olduğunu biliyorsunuz .Kısaca …


Makine öğrenmesi ve istatistikte ; sınıflandırma ,bilgisayar programının verilen veri girişinden öğrendiği ve sonrasında yeni gözlemleri sınıflandırmak için bu öğrenmeyi kullandığı denetimli öğrenme yaklaşımıdır .Bu veri setleri sadece bi-class (kişinin erkek ya da kadın , bir e-postanın spam ya da spam olmadığını belirlemek gibi) ya da multi-class olabilir .Sınıflandırma sorunlarının bazı örnekleri şunlardır : ses tanıma, el yazısı tanıma ,biyometrik kimlik tanıma ,dokuman sınıflandırma vb.

Burada makine öğrenmesinde sınıflandırma algoritmaları türlerimiz var :

1. Doğrusal Sınıflandırıcılar: Lojistik Regresyon, Naif Bayes Sınıflandırıcı (

Linear Classifiers: Logistic Regression, Naive Bayes Classifier)

2.Destek Vektör Makineleri (Support Vector Machines)

3.Karar Ağaçları (Decision Trees)

4.Artan…

Şengül Karaderili

data scientist

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store