> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/tr/api-dokumanlari/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md).

# 84. Mutasyon: YieldDataset'i kalibre et ve temizle

Verim veri setlerini temizlemek ve kalibre etmek için API çağrıları

"YieldDataset" veri kümesini kalibre etmek, değerlerin dağılımını matematiksel ilkelerle uyumlu hâle getirerek düzelten ve verilerin bütünlüğünü artıran bir işlevdir. Karar alma kalitesini yükseltir ve veri kümesini daha ayrıntılı analizler için değerli kılar.

Bu işlevin yaygın kullanım alanları şunlardır:

* Birden fazla biçerdöverin aynı anda veya birkaç gün boyunca çalışması durumunda verileri eşitleyerek tutarlılık sağlamak.
* Değişkenlikleri yumuşatarak veri kümesini daha homojen ve doğru hâle getirmek.
* Öngörüleri bulanıklaştırabilecek veri gürültüsünü ve gereksiz bilgileri kaldırmak.
* Tarladaki gerçek örüntü ve eğilimleri bozabilecek dönüş izlerini veya anormal geometrileri ortadan kaldırmak.
* Verim verilerini her bir öznitelik için belirlenmiş ortalamalara veya toplam değerlere uyarlamak.

Daha ayrıntılı açıklama ve örnekler için lütfen [Verim Kalibrasyonu ve Temizleme](https://docs.geopard.tech/geopard-tutorials/tr/ziraat/yield-and-trials/yield-calibration-and-cleaning.md) kullanım örneğine bakın.

### WetMass özniteliğine sahip özgün YieldDataset

Aşağıda gösterilen 30 ha büyüklüğündeki tarlada beş biçerdöver paralel çalıştı. Biçerdöverlerden birinin kalibrasyonu diğerleriyle eşitlenmemişti; bu nedenle <mark style="color:turuncu;">turuncu</mark> lekeler oluştu. Bunlar ek `CALIBRATION` işlemi gerektiğini gösteriyor. Ayrıca, çok sayıda dönüş izi bulunuyor. <mark style="color:kırmızı;">kırmızı</mark> Tarlanın kenarlarına yakın lekelerin de kaldırılması gerekiyor.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fj40y3lH0F0ZfJNH2WhTf%2Fimage.png?alt=media&amp;token=6bf7baaa-3cda-4863-98e1-e0a92ff2b765" alt=""><figcaption><p>WetMass özniteliğine sahip özgün YieldDataset</p></figcaption></figure>

### WetMass özniteliğine sahip kalibre edilmiş ve temizlenmiş YieldDataset

Aşağıdaki sonuç, varsayılan parametrelerle otomatik `CALIBRATE` ve `CLEAN` işlemlerinin uygulanmasının ardından elde edilen veri kümesini gösteriyor. Ortaya çıkan "YieldDataset" homojen hâle gelmiş; aykırı değerler veya komşu geometriler arasında ani değişiklikler kalmamıştır.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fu3zjlXg03WoWrjOOT9v7%2Fimage.png?alt=media&amp;token=d298f632-b0fe-462f-a395-64a64c02ea55" alt=""><figcaption><p>WetMass özniteliğine sahip kalibre edilmiş ve temizlenmiş YieldDataset</p></figcaption></figure>

### Hat bazında, Ortalama/Toplam ve Koşullu seçenekleri

**Hat bazında kalibrasyon** makinenin izlerini temel alır. Kalibrasyon amacıyla her makine izi ayrı bir bölge olarak işlenir. GeoPard ekibi, bu yöntemin standart yaklaşım olarak kullanılmasını önerir.

**Ortalama/Toplam kalibrasyonu** öznitelik değerlerinin yeniden dağıtılmasına odaklanır. Jeo-uzamsal örüntüler doğru, ancak mutlak değerler gerçek değerlerden sapıyorsa bu yöntem faydalı olur. En iyi sonuçlar için GeoPard, bu yöntemin hat bazında kalibrasyonla birlikte kullanılmasını önerir: önce hat bazında kalibrasyon uygulayın, ardından bilinen Ortalama/Toplam değerlerine göre düzeltme yapın.

**Koşullu kalibrasyon** öznitelik değerlerini sağlanan minimum ve maksimum eşiklere göre ayarlar. Jeo-uzamsal örüntüler doğru, ancak değerlerin dağılımının ayarlanması gerekiyorsa bu yöntem özellikle kullanışlıdır; bilinen minimum ve maksimum değerler mevcut olduğunda daha da yararlıdır. En iyi sonuçlar için GeoPard, bu yöntemin hat bazında kalibrasyonla birlikte kullanılmasını önerir: önce hat bazında kalibrasyon uygulayın, ardından bilinen minimum ve maksimum değerlere uyacak şekilde düzeltmeler yapın.

### İpuçları

{% hint style="warning" %}
**Veri anormallikleriyle ilgili ipucu**

Kullanıcı verilerde sıfıra eşit veya sıfıra yakın değerler ya da olağan dışı büyüklükte değerler (örneğin, ortalama 10 iken maksimumun 8000 olması) gibi anormalliklerle karşılaşırsa **Temizleme ve Kalibrasyon** iş akışının kullanılması önerilir. Bu iş akışı şu parametrelerle yapılandırılır: `actions: [CLEAN, CALIBRATE]`.

Kalibrasyondan önce verileri temizlemek; hataların, eksik değerlerin ve tutarsızlıkların kaldırılmasını sağlayarak veri kalitesini ve doğruluğunu artırır.
{% endhint %}

{% hint style="warning" %}
**Başlangıçta hata içermeyen verilerle ilgili ipucu**

Başlangıçta hata, eksik değer veya tutarsızlık içermeyen veri kümelerinde ve birden fazla biçerdöverin çalıştığı biliniyorsa **Kalibrasyon ve Temizleme** iş akışını değerlendirin. Bu iş akışı şu parametrelerle yapılandırılır: `actions: [CALIBRATE, CLEAN]`.

Kalibrasyondan sonra verileri temizlemek, kalibrasyon sırasında ortaya çıkmış olabilecek yapay izleri gidererek veri kümesini daha da iyileştirmeye yardımcı olur.
{% endhint %}

### Belgeler: Mutation ayrıntıları

Varsayılan standart yapılandırma, "YieldDataset" için otomatik kalibrasyon ve temizlemeyi etkinleştirir.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation AutoCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        conditionPathwiseCalibration: {
          calibrationBasis: "WetMass"
          maxHomogeneityRegion: true
          syntheticMachinePath: true
        }
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
      }
      
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

Daha gelişmiş bir örnek, minimum/maksimum aralıkların elle denetlenmesini sağlar ve ek öznitelikler içerir.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation CustomCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        smoothWindowSize: 11
        conditionPathwiseCalibration: {
          calibrationBasis: "Machine"
          maxHomogeneityRegion: true
          syntheticMachinePath: false
        }
        conditionAvgTotalCalibration:[{
          calibrationAttribute: "WetMass"
          average:8.0
        }]
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
        conditionMinMaxClean: [{
          cleanAttribute: "Distance"
          min: 1.5
          max: 10.0
        }]
      }
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

{% hint style="info" %}
USDA protokolünü izlemek için `CLEAN` işleminde, cleanAction içindeki tüm sütunları belirtmeniz `cleanAction` -> `conditionMinMaxClean` veya bunların bir kısmını burada belirtmeniz `cleanAction` -> `conditionMinMaxClean` ve geri kalanını burada belirtmeniz gerekir: `condtionAutoClean` -> `excludedAttributes`.
{% endhint %}

Girdi parametreleri:

* `actions` düzeltme işlemlerini bir dizi olarak belirtmenizi ve *düzeltme işlemlerini ve uygulama sıralarını* seçmenizi sağlar; desteklenen değerler arasında `CLEAN` ve `CALIBRATE`.
* `calibrateAction` CALIBRATE işlemine ilişkin yapılandırma ayrıntılarını içeren `CALIBRATE` işlemiyle ilgili bir nesne olarak.
  * `calibrationAttributes` kalibrasyon gerektiren ve genellikle Verim sütunuyla ilişkili özniteliklerden oluşan bir dizi olarak.
  * `smoothWindowSize` sonuç değerlerini yumuşatarak değerlerdeki ani sıçramaları azaltan tek sayı bir tamsayı olarak.
  * `conditionPathwiseCalibration` şu öğeyi içeren bir nesne olarak: **Yol Bazlı** kalibrasyonu, makinenin izlerine karşılık gelir. Kalibrasyon amacıyla her makine izi ayrı bir bölge olarak işlenir.
    * `calibrationBasis` kalibrasyonun temelini oluşturan özniteliği belirten bir dize olarak.
    * `maxHomogeneityRegion` en yüksek homojenlik bölgesinin kalibrasyon için referans bölge olarak kullanılıp kullanılmadığını belirten bir boole değeri olarak.
    * `syntheticMachinePath` makine rotalarının simüle edilip edilmeyeceğini belirten bir boole değeri olarak. Makinenin hassas iz özniteliği mevcut olmadığında ve zaman damgalarına veya benzer bir özniteliğe dayanarak simüle edilmesi gerektiğinde yararlıdır.
  * `conditionAvgTotalCalibration` şu öğeyi içeren bir nesne olarak: **Ortalama/Toplam** kalibrasyonu, öznitelik değerlerinin yeniden dağıtılmasına odaklanır. Jeo-uzamsal örüntüler doğru, ancak mutlak değerler gerçek değerlerden farklıysa bu yöntem yararlı olur.
    * `calibrationAttribute` kalibre edilecek özniteliği belirten bir dize olarak.
    * `average` özniteliğin ortalama değerlerini belirten bir sayı olarak; öznitelik değerleri bu ortalamayla eşleşmelidir. Yalnızca şu seçeneklerden biri `average` veya `total`aynı anda kullanılmalıdır.
    * `total` öznitelik değerlerinin toplamını belirten bir sayı olarak; bu değerlerin toplamı belirtilen toplamla eşleşmelidir. Yalnızca şu seçeneklerden biri `average` veya `total`aynı anda kullanılmalıdır.
  * `conditionMinMaxCalibration` şu öğeyi içeren bir nesne olarak: **Koşullu** kalibrasyonu, öznitelik değerlerini belirtilen minimum ve maksimum eşiklere göre ayarlar.
    * `calibrationAttribute` kalibre edilecek özniteliği belirten bir dize olarak.
    * `min` kalibrasyonda kullanılacak en düşük aralığı belirleyen, özniteliğin minimum değerini belirten bir sayı olarak.
    * `minIncluded` minimum değerin dahil edilip edilmeyeceğini belirten bir boole değeri olarak.
    * `max` kalibrasyonda kullanılacak en yüksek aralığı belirleyen, özniteliğin maksimum değerini belirten bir sayı olarak.
    * `maxIncluded` maksimum değerin dahil edilip edilmeyeceğini belirten bir boole değeri olarak.
* `cleanAction` şu işlemle ilişkili yapılandırma ayrıntılarını içeren bir nesne olarak: `CLEAN` işlemi.
  * `conditionAutoClean` otomatik temizleme algoritmasına özgü yapılandırmaları içeren bir nesne olarak.
    * `targetAttribute` hedef Verim değerlerini belirten bir dize olarak.
    * `excludedAttributes` temizlik işlemini etkilemeyen öznitelikleri tanımlayan bir dize dizisi olarak.
  * `conditionMinMaxClean` açıklanan temizlik kurallarını içeren bir nesne dizisi olarak; her nesne aşağıdaki parametreleri içerir.
    * cleanAttribute: kuralın uygulanacağı sütun adını belirten bir dize.
    * `min` minimum değeri belirten bir sayı olarak.
    * `max` maksimum değeri belirten bir sayı olarak.

{% hint style="info" %}
Girdileri görüntülemek ve numaralandırmaların (örneğin, `operations`) kullanılabilir en güncel değerlerine erişmek için [Altair](https://docs.geopard.tech/geopard-tutorials/tr/api-dokumanlari/getting-started-with-the-geopard-api.md).
{% endhint %}

### Dokümantasyon: YieldDataset sorgusu

GeoPard API kullanıcısı olarak, YieldDataset'lere uygulanan düzeltmelerle ilgili ayrıntıları şu öznitelikler aracılığıyla alabilirsiniz: `appliedCorrections` ve `appliedCorrectionsVersion`. İlki, yapılan düzeltmelerin listesini sağlar (ör., `CALIBRATE` ve `CLEAN`); yürütme sırası dizideki sıralarıyla gösterilir. Öte yandan, `appliedCorrectionsVersion` kullanılan algoritmanın sürümünü belirtir.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
query DetailsAboutAppliedCalibrations {
  getFields (filter: {fieldUuid: "<placeholder_of_field_uuid>"}){
    fields {
      uuid
      yieldDatasets  {
        uuid
        appliedCorrections
        appliedCorrectionsVersion
      }
    }
  }
}
```

{% endcode %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/tr/api-dokumanlari/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
