Wanalyzer Project / Statistics hakkında

WISDOMERA / WANALYZER

Wanalyzer Project / Statistics

Tanımlayıcı, karşılaştırmalı, önce–sonra ve güvenilirlik analizlerinin yapılandırması.

Analiz akışı

Analiz tipi ilgili kolon listelerini ve test tasarımını belirler. Karşılaştırmalı test öğeleri kendi örnek sayısı ve dağılım ön koşullarını taşır; sonuçlar seçilen anlamlılık eşiğiyle yorumlanır.

Bağımlılık: Kolonlar indeksle eşleştirildiği için kolon sırası değişince bütün analiz eşleştirmeleri kontrol edilmelidir. E-posta alanları saklanır ancak bu backend kapsamında gönderim uygulaması bulunmamıştır.

0. durum

WISDOMERA / WANALYZER PROJECT / STATISTICS

0. durum

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 0 Tip: select TR: durum EN: status

Açıklama

İstatistik tanımının aktiflik değeridir. Kayıt ve liste servisleri alanı taşır; otomatik analiz seçimi ayrıca 40 numaralı parametreyi kontrol eder. Pasif tanımın bütün manuel çalıştırma uçlarında kesin olarak engellendiğini gösteren ortak bir backend kontrolü incelenen kodda bulunmadığından durum tek başına çalışmama garantisi olarak görülmemelidir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	pasif	passive	İstatistik tanımını pasif olarak kaydeder.
`1`	aktif	active	İstatistik tanımını aktif olarak kaydeder.

Örnek


                        1 — aktif / active

1. wanalyzer proje id

WISDOMERA / WANALYZER PROJECT / STATISTICS

1. wanalyzer proje id

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 1 Tip: text TR: wanalyzer proje id EN: wanalyzer project id

Açıklama

İstatistik tanımını sahibi olan Wanalyzer projesine bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa tanım proje istatistik listesinde ve otomatik analiz taramasında bulunur; yanlış kimlik başka proje bağlamına ilişki kurar.

Örnek


                        wp_01HXYZ…

2. adı

WISDOMERA / WANALYZER PROJECT / STATISTICS

2. adı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 2 Tip: text TR: adı EN: name

Açıklama

Analiz tanımının listelerde ve sonuç ekranlarında görünen adıdır. Açıklayıcı ve benzersiz ad, aynı kolonları kullanan farklı test tasarımlarının ayrılmasını sağlar.

Örnek


                        Yaşa göre tedavi sonucu karşılaştırması

3. açıklama

WISDOMERA / WANALYZER PROJECT / STATISTICS

3. açıklama

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 3 Tip: textarea TR: açıklama EN: note

Açıklama

Analizin amacı, popülasyonu ve yorumlama varsayımlarını saklayan açıklamadır. Kod alanı kaydeder ve geri döndürür; yeterli açıklama sonuçların hangi soruya cevap verdiğinin anlaşılmasını sağlar.

Örnek


                        Birincil sonlanım için önceden tanımlanmış analiz.

4. analiz tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

4. analiz tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 4 Tip: select TR: analiz tipi EN: analyze type

Açıklama

Hangi istatistik tasarım grubunun kullanılacağını belirler. Bu seçim değiştiğinde frontend tanımlayıcı kolonlar, karşılaştırma testleri veya önce–sonra eşleştirmeleri gibi ilgili alt alanları gösterir; seçilen tipe ait zorunlu listeler boşsa analiz tasarımı eksik kalır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	tanımlayıcı	descriptive	Seçilen kolonlar için tanımlayıcı sonuçlar üretir.
`1`	karşılaştırma	cross columns	Bağımsız ve bağımlı değişkenlerle karşılaştırma tasarlar.
`2`	önce & sonra karşılaştırma	before after comparison	Eşleştirilmiş iki kolon arasında önce–sonra analizi tasarlar.
`3`	cronbach alpha	cronbach alpha	Seçilen değişkenler için Cronbach alpha analizi tasarlar.

Örnek


                        1 — karşılaştırma / cross columns

5. tanımlayıcı kolon seçim tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

5. tanımlayıcı kolon seçim tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 5 Tip: select TR: tanımlayıcı kolon seçim tipi EN: descriptive column selection type

Açıklama

Tanımlayıcı analizde kolonların manuel listeden mi yoksa kolon tiplerine göre topluca mı seçileceğini belirler. Manuel seçimde 6 numaralı liste kullanılır; toplu seçimlerde kolon metadatası esas alınır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	manuel kolon seçimi	manuel column selection	Yalnız listeye eklenen kolonları kullanır.
`1`	tüm kolonlar	all columns	Bütün uygun kolonları seçer.
`2`	tüm sayısal kolonlar	all numeric columns	Sayısal kolonları seçer.
`3`	tüm kategorik kolonlar	all categorical columns	Kategorik kolonları seçer.

Örnek


                        0 — manuel kolon seçimi / manuel column selection

6. tanımlayıcı seçilen kolon

WISDOMERA / WANALYZER PROJECT / STATISTICS

6. tanımlayıcı seçilen kolon

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 6 Tip: list_parameter TR: tanımlayıcı seçilen kolon EN: descriptive selected column

Açıklama

Tanımlayıcı analizde kullanılacak kolon eşleştirmelerini tutan listedir. Her öğe 7 numaralı kolon indeksini ve 8 numaralı kullanım tipini birlikte taşır; kolon sırası değişirse indeksler yeniden doğrulanmalıdır.

Örnek


                        Kolon 2 — numeric

7. tanımlayıcı seçilen kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS

7. tanımlayıcı seçilen kolon indeks

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 7 Tip: text TR: tanımlayıcı seçilen kolon indeks EN: descriptive selected column index

Açıklama

tanımlayıcı rolünde kullanılacak proje kolonunun sıfır tabanlı indeksidir. İndeks mevcut kolon listesiyle eşleşirse doğru veri analiz edilir; kolonlar yeniden sıralanırsa farklı bir kolon seçilebileceği için eşleştirme güncellenmelidir.

Örnek

8. tanımlayıcı seçilen kolon kullanım tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

8. tanımlayıcı seçilen kolon kullanım tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 8 Tip: select TR: tanımlayıcı seçilen kolon kullanım tipi EN: descriptive selected column usage type

Açıklama

İlgili kolonun tipinin otomatik algılanmasını veya kategorik ya da numerik olarak zorlanmasını belirler. Zorlama seçilirse test seçimi ve veri hazırlığı bu role göre yürütülür; gerçek veriyle uyumsuz kullanım analiz hatasına veya anlamsız sonuca yol açabilir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	otomatik	auto	Kolon tipinin otomatik değerlendirilmesini ister.
`1`	kategorik	categorical	Kolonu kategorik değişken olarak kullanır.
`2`	numerik	numeric	Kolonu sayısal değişken olarak kullanır.

Örnek


                        2 — numerik / numeric

9. anlamlılık p değeri

WISDOMERA / WANALYZER PROJECT / STATISTICS

9. anlamlılık p değeri

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 9 Tip: float TR: anlamlılık p değeri EN: significance p value

Açıklama

İstatistiksel anlamlılık için kullanılan p değeri eşiğidir; frontend varsayılanını 0.05 olarak tanımlar. Sonuç p değeri bu eşikle karşılaştırıldığı için daha küçük eşik daha katı, daha büyük eşik daha gevşek anlamlılık kararı üretir.

Örnek


                        0.05

10. karşılaştırma çok boyutlu

WISDOMERA / WANALYZER PROJECT / STATISTICS

10. karşılaştırma çok boyutlu

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 10 Tip: select TR: karşılaştırma çok boyutlu EN: comparison multi dimension

Açıklama

Karşılaştırmanın çok boyutlu tasarlanıp tasarlanmayacağını saklar. Evet seçimi birden fazla değişken boyutunun birlikte ele alınacağı tasarımı bildirir; gerçek uygulanabilirlik seçilen test ve kolon listeleriyle birlikte değerlendirilmelidir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        0 — hayır / no

11. bağımsız değişken kolonu

WISDOMERA / WANALYZER PROJECT / STATISTICS

11. bağımsız değişken kolonu

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 11 Tip: list_parameter TR: bağımsız değişken kolonu EN: independent variable column

Açıklama

bağımsız değişken kolonlarını taşıyan listedir. Her öğe kolon indeksi ve kullanım tipini birlikte saklar; liste sırası ve indeksler analiz girdisini doğrudan belirler.

Örnek


                        age, gender

12. bağımsız değişken kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS

12. bağımsız değişken kolon indeks

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 12 Tip: text TR: bağımsız değişken kolon indeks EN: independent variable column index

Açıklama

bağımsız değişken rolünde kullanılacak proje kolonunun sıfır tabanlı indeksidir. İndeks mevcut kolon listesiyle eşleşirse doğru veri analiz edilir; kolonlar yeniden sıralanırsa farklı bir kolon seçilebileceği için eşleştirme güncellenmelidir.

Örnek

13. bağımsız değişken kolon kullanım tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

13. bağımsız değişken kolon kullanım tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 13 Tip: select TR: bağımsız değişken kolon kullanım tipi EN: independent variable column usage type

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	otomatik	auto	Kolon tipinin otomatik değerlendirilmesini ister.
`1`	kategorik	categorical	Kolonu kategorik değişken olarak kullanır.
`2`	numerik	numeric	Kolonu sayısal değişken olarak kullanır.

Örnek


                        2 — numerik / numeric

14. bağımlı değişken kolonu

WISDOMERA / WANALYZER PROJECT / STATISTICS

14. bağımlı değişken kolonu

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 14 Tip: list_parameter TR: bağımlı değişken kolonu EN: dependent variable column

Açıklama

bağımlı değişken kolonlarını taşıyan listedir. Her öğe kolon indeksi ve kullanım tipini birlikte saklar, ayrıca kategorik hedef kategori içerebilir; liste sırası ve indeksler analiz girdisini doğrudan belirler.

Örnek


                        outcome

15. bağımlı değişken kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS

15. bağımlı değişken kolon indeks

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 15 Tip: text TR: bağımlı değişken kolon indeks EN: dependent variable column index

Açıklama

bağımlı değişken rolünde kullanılacak proje kolonunun sıfır tabanlı indeksidir. İndeks mevcut kolon listesiyle eşleşirse doğru veri analiz edilir; kolonlar yeniden sıralanırsa farklı bir kolon seçilebileceği için eşleştirme güncellenmelidir.

Örnek

16. bağımlı değişken kolon kullanım tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

16. bağımlı değişken kolon kullanım tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 16 Tip: select TR: bağımlı değişken kolon kullanım tipi EN: dependent variable column usage type

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	otomatik	auto	Kolon tipinin otomatik değerlendirilmesini ister.
`1`	kategorik	categorical	Kolonu kategorik değişken olarak kullanır.
`2`	numerik	numeric	Kolonu sayısal değişken olarak kullanır.

Örnek


                        1 — kategorik / categorical

17. bağımlı değişken kolon seçeneği hedef kategori

WISDOMERA / WANALYZER PROJECT / STATISTICS

17. bağımlı değişken kolon seçeneği hedef kategori

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 17 Tip: text TR: bağımlı değişken kolon seçeneği hedef kategori EN: dependent variable column option target category

Açıklama

Kategorik bağımlı değişkende başarı veya olay olarak kabul edilecek seçenek değeridir. Özellikle lojistik regresyonda doğru hedef kategori seçilmezse model ters olayı açıklayabilir.

Örnek


                        success

18. otomatik karşılaştırma değişken kolonu

WISDOMERA / WANALYZER PROJECT / STATISTICS

18. otomatik karşılaştırma değişken kolonu

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 18 Tip: list_parameter TR: otomatik karşılaştırma değişken kolonu EN: auto comparison variable column

Açıklama

otomatik karşılaştırma değişken kolonlarını taşıyan listedir. Her öğe kolon indeksi ve kullanım tipini birlikte saklar; liste sırası ve indeksler analiz girdisini doğrudan belirler.

Örnek


                        age, score

19. otomatik karşılaştırma kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS

19. otomatik karşılaştırma kolon indeks

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 19 Tip: text TR: otomatik karşılaştırma kolon indeks EN: auto comparison variable column index

Açıklama

otomatik karşılaştırma rolünde kullanılacak proje kolonunun sıfır tabanlı indeksidir. İndeks mevcut kolon listesiyle eşleşirse doğru veri analiz edilir; kolonlar yeniden sıralanırsa farklı bir kolon seçilebileceği için eşleştirme güncellenmelidir.

Örnek

20. otomatik karşılaştırma kolon kullanım tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

20. otomatik karşılaştırma kolon kullanım tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 20 Tip: select TR: otomatik karşılaştırma kolon kullanım tipi EN: auto comparison variable column usage type

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	otomatik	auto	Kolon tipinin otomatik değerlendirilmesini ister.
`1`	kategorik	categorical	Kolonu kategorik değişken olarak kullanır.
`2`	numerik	numeric	Kolonu sayısal değişken olarak kullanır.

Örnek


                        0 — otomatik / auto

21. karşılaştırmalı test

WISDOMERA / WANALYZER PROJECT / STATISTICS

21. karşılaştırmalı test

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 21 Tip: list_parameter TR: karşılaştırmalı test EN: comparison test

Açıklama

Uygulanacak karşılaştırmalı test tanımlarını taşıyan listedir. Her öğede test adıyla birlikte analiz öncesi örnek sayısı, dağılım ve bağımsız değişken kullanım kontrolleri bulunur; böylece farklı testler farklı uygunluk kurallarıyla çalıştırılabilir.

Örnek


                        Student t-test; n ≥ 30

22. karşılaştırmalı test adı

WISDOMERA / WANALYZER PROJECT / STATISTICS

22. karşılaştırmalı test adı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 22 Tip: select TR: karşılaştırmalı test adı EN: comparison test name

Açıklama

Karşılaştırma listesindeki istatistik testini seçer. Testin varsayımları kolonların kategorik veya numerik rolleriyle uyumlu olmalıdır; uyumsuz test seçimi çalışmayı başarısız kılabilir veya yorumlanamaz sonuç üretebilir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	oneway anova	oneway anova	Bu testi karşılaştırma tanımına ekler.
`1`	kikare	chisquare	Bu testi karşılaştırma tanımına ekler.
`2`	fisher exact	fisher exact	Bu testi karşılaştırma tanımına ekler.
`3`	pearson korelasyon	pearson correlation	Bu testi karşılaştırma tanımına ekler.
`4`	spearman korelasyon	spearman correlation	Bu testi karşılaştırma tanımına ekler.
`5`	lojistik regresyon	logistic regression	Bu testi karşılaştırma tanımına ekler.
`6`	lineer regresyon	linear regression	Bu testi karşılaştırma tanımına ekler.
`7`	kruskal wallis	kruskal wallis	Bu testi karşılaştırma tanımına ekler.
`8`	mann whitney u	mann whitney u	Bu testi karşılaştırma tanımına ekler.
`9`	bağımsız örneklemler student t-test	independent samples student t-test	Bu testi karşılaştırma tanımına ekler.
`10`	welch t test	welch t test	Bu testi karşılaştırma tanımına ekler.

Örnek


                        9 — independent samples student t-test

23. analiz öncesi kontrol tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

23. analiz öncesi kontrol tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 23 Tip: select TR: analiz öncesi kontrol tipi EN: before analyze check type

Açıklama

Bir test çalışmadan önce hangi örnek sayısı ve dağılım kontrollerinin, hangi AND/OR birleşimiyle aranacağını belirler. Seçim alt eşik ve dağılım alanlarını görünür yapar; koşul sağlanmazsa testin kullanılmaması amaçlanır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	kontrol yapılmasın	not control	Testten önce bu kontrol bileşimini uygular.
`1`	sadece toplam örnek sayısı	only total sample size	Testten önce bu kontrol bileşimini uygular.
`2`	sadece her bir gruba ait örnek sayısı	only every group sample size	Testten önce bu kontrol bileşimini uygular.
`3`	sadece tüm örneklere ait veri dağılımı	only total samples data distribution	Testten önce bu kontrol bileşimini uygular.
`4`	sadece her bir gruba ait veri dağılımı	only every group data distribution	Testten önce bu kontrol bileşimini uygular.
`5`	tüm örneklere ait hem örnek sayısı hem de veri dağılımı	both total sample size and data distribution	Testten önce bu kontrol bileşimini uygular.
`6`	her bir gruba ait hem örnek sayısı hem de veri dağılımı	both every group sample size and data distribution	Testten önce bu kontrol bileşimini uygular.
`7`	tüm örneklere ait örnek sayısı veya veri dağılımı	total sample size or data distribution	Testten önce bu kontrol bileşimini uygular.
`8`	her bir gruba ait örnek sayısı veya veri dağılımı	every group sample size or data distribution	Testten önce bu kontrol bileşimini uygular.

Örnek

24. toplam örnek sayısı kontrol tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

24. toplam örnek sayısı kontrol tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 24 Tip: select TR: toplam örnek sayısı kontrol tipi EN: total sample count check type

Açıklama

Gerçek örnek sayısının tanımlı eşikle hangi karşılaştırma operatörü üzerinden sınanacağını belirler. Operatör ters seçilirse yeterli veri reddedilebilir veya yetersiz veri kabul edilebilir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	küçüktür	smaller	Gerçek sayının eşik değerden küçük olmasını sınar.
`1`	küçük eşittir	smaller and equal	Gerçek sayının eşikten küçük veya eşit olmasını sınar.
`2`	büyüktür	bigger	Gerçek sayının eşikten büyük olmasını sınar.
`3`	büyük eşittir	bigger and equal	Gerçek sayının eşikten büyük veya eşit olmasını sınar.

Örnek


                        3 — büyük eşittir / bigger and equal

25. toplam örnek sayısı

WISDOMERA / WANALYZER PROJECT / STATISTICS

25. toplam örnek sayısı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 25 Tip: integer TR: toplam örnek sayısı EN: total sample count

Açıklama

Toplam aranacak örnek sayısı eşiğidir. Değer yalnız ilgili analiz öncesi kontrol tipi seçildiğinde anlam kazanır; pozitif ve çalışma amacına uygun bir sayı kullanılmalıdır.

Örnek

26. grup örnek sayısı kontrol tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

26. grup örnek sayısı kontrol tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 26 Tip: select TR: grup örnek sayısı kontrol tipi EN: group sample count check type

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	küçüktür	smaller	Gerçek sayının eşik değerden küçük olmasını sınar.
`1`	küçük eşittir	smaller and equal	Gerçek sayının eşikten küçük veya eşit olmasını sınar.
`2`	büyüktür	bigger	Gerçek sayının eşikten büyük olmasını sınar.
`3`	büyük eşittir	bigger and equal	Gerçek sayının eşikten büyük veya eşit olmasını sınar.

Örnek


                        3 — büyük eşittir / bigger and equal

27. grup örnek sayısı

WISDOMERA / WANALYZER PROJECT / STATISTICS

27. grup örnek sayısı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 27 Tip: integer TR: grup örnek sayısı EN: group sample count

Açıklama

Her grup için aranacak örnek sayısı eşiğidir. Değer yalnız ilgili analiz öncesi kontrol tipi seçildiğinde anlam kazanır; pozitif ve çalışma amacına uygun bir sayı kullanılmalıdır.

Örnek

28. veri dağılım testi kullanım tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

28. veri dağılım testi kullanım tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 28 Tip: select TR: veri dağılım testi kullanım tipi EN: data distribution test usage type

Açıklama

Birden fazla dağılım kontrolünün sonucunun nasıl birleştirileceğini belirler. Herhangi biri, tümü veya tümünün normal dışı olması seçenekleri aynı test sonuçlarından farklı uygunluk kararı üretir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	herhangi bir test ile normal dağılıyorsa yeterli	one of them	Seçili kontrollerden biri normal dağılımı desteklerse koşulu sağlar.
`1`	tüm seçili testler normal dağılıyorsa kullan	all of them	Bütün seçili kontrollerin normal dağılımı desteklemesini ister.
`2`	tüm seçili testler normal dağılmıyorsa kullan	all of them not normally distributed	Bütün seçili kontrollerin normal dağılımı reddetmesini ister.

Örnek


                        1 — all of them

29. veri dağılımı skewness (çarpıklık) kullanımı

WISDOMERA / WANALYZER PROJECT / STATISTICS

29. veri dağılımı skewness (çarpıklık) kullanımı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 29 Tip: select TR: veri dağılımı skewness (çarpıklık) kullanımı EN: data distribution skewness usage

Açıklama

İlgili dağılım ölçütü veya testinin analiz öncesi değerlendirmeye katılıp katılmayacağını belirler. Evet seçildiğinde sonuç 28 numaralı birleştirme kuralına dahil edilir; hayır seçildiğinde bu ölçüt karar üretmez.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        1 — evet / yes

30. veri dağılımı skewness (çarpıklık) değeri

WISDOMERA / WANALYZER PROJECT / STATISTICS

30. veri dağılımı skewness (çarpıklık) değeri

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 30 Tip: float TR: veri dağılımı skewness (çarpıklık) değeri EN: data distribution skewness value

Açıklama

Çarpıklık için kabul eşiğidir. İlgili kullanım alanı evet değilse değer karar sürecine katılmaz; eşik genişletilirse daha fazla dağılım kabul edilir.

Örnek

2.0

31. veri dağılımı kurtosis (basıklık) kullanımı

WISDOMERA / WANALYZER PROJECT / STATISTICS

31. veri dağılımı kurtosis (basıklık) kullanımı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 31 Tip: select TR: veri dağılımı kurtosis (basıklık) kullanımı EN: data distribution kurtosis usage

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        1 — evet / yes

32. veri dağılımı kurtosis (basıklık) değeri

WISDOMERA / WANALYZER PROJECT / STATISTICS

32. veri dağılımı kurtosis (basıklık) değeri

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 32 Tip: float TR: veri dağılımı kurtosis (basıklık) değeri EN: data distribution kurtosis value

Açıklama

Basıklık için kabul eşiğidir. İlgili kullanım alanı evet değilse değer karar sürecine katılmaz; eşik genişletilirse daha fazla dağılım kabul edilir.

Örnek

7.0

33. veri dağılımı shapiro wilk kullanımı

WISDOMERA / WANALYZER PROJECT / STATISTICS

33. veri dağılımı shapiro wilk kullanımı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 33 Tip: select TR: veri dağılımı shapiro wilk kullanımı EN: data distribution shapiro wilk usage

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        1 — evet / yes

34. veri dağılımı kolmogorov smirnov kullanımı

WISDOMERA / WANALYZER PROJECT / STATISTICS

34. veri dağılımı kolmogorov smirnov kullanımı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 34 Tip: select TR: veri dağılımı kolmogorov smirnov kullanımı EN: data distribution kolmogorov smirnov usage

Açıklama

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        0 — hayır / no

35. bağımsız değişken kullanım tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS

35. bağımsız değişken kullanım tipi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 35 Tip: select TR: bağımsız değişken kullanım tipi EN: independent variable usage type

Açıklama

Birden fazla bağımsız değişkenin ayrı ayrı, birlikte veya iki aşamalı değerlendirilmesini belirler. İki aşamalı seçim önce tekli analizde anlamlı bulunan değişkenleri ortak modele taşır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	birer birer	one by one	Bağımsız değişkenleri ayrı modellerde değerlendirir.
`1`	hepsi birlikte	all together	Bağımsız değişkenleri aynı modelde değerlendirir.
`2`	önce birer birer sonra anlamlı olanları hepsi birlikte	first one by one then all the meaningful ones together	Önce tekli değerlendirme yapıp anlamlı değişkenleri ortak modele taşır.

Örnek

36. önce-sonra test

WISDOMERA / WANALYZER PROJECT / STATISTICS

36. önce-sonra test

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 36 Tip: list_parameter TR: önce-sonra test EN: before-after test

Açıklama

Önce–sonra analiz çiftlerini taşıyan listedir. Her öğe test adını ve aynı gözlemlere ait önce ile sonra kolon indekslerini içerir; eşleştirilmemiş kolonlar kullanılırsa paired test varsayımı bozulur.

Örnek


                        before_score → after_score

37. önce-sonra test adı

WISDOMERA / WANALYZER PROJECT / STATISTICS

37. önce-sonra test adı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 37 Tip: select TR: önce-sonra test adı EN: before-after test name

Açıklama

Önce ve sonra kolon çifti için uygulanacak paired testi seçer. Mevcut seçenek bağımlı örneklemler t testidir ve sayısal, eşleştirilmiş gözlemler gerektirir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	bağımlı örneklemler t testi	paired samples t test	Eşleştirilmiş iki kolon için bağımlı örneklemler t testi seçer.

Örnek


                        0 — paired samples t test

38. önce-sonra 1. kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS

38. önce-sonra 1. kolon indeks

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 38 Tip: text TR: önce-sonra 1. kolon indeks EN: before-after 1st column index

Açıklama

önce rolünde kullanılacak proje kolonunun sıfır tabanlı indeksidir. İndeks mevcut kolon listesiyle eşleşirse doğru veri analiz edilir; kolonlar yeniden sıralanırsa farklı bir kolon seçilebileceği için eşleştirme güncellenmelidir.

Örnek

39. önce-sonra 2. kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS

39. önce-sonra 2. kolon indeks

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 39 Tip: text TR: önce-sonra 2. kolon indeks EN: before-after 2nd column index

Açıklama

sonra rolünde kullanılacak proje kolonunun sıfır tabanlı indeksidir. İndeks mevcut kolon listesiyle eşleşirse doğru veri analiz edilir; kolonlar yeniden sıralanırsa farklı bir kolon seçilebileceği için eşleştirme güncellenmelidir.

Örnek

40. proje veri hazırlama sonrasında otomatik analiz

WISDOMERA / WANALYZER PROJECT / STATISTICS

40. proje veri hazırlama sonrasında otomatik analiz

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 40 Tip: select TR: proje veri hazırlama sonrasında otomatik analiz EN: automatic analysis after project data preparation

Açıklama

Proje veri hazırlaması bittikten sonra bu istatistik tanımının otomatik çalıştırılmaya aday olup olmayacağını belirler. AutomaticAnalyzeProcess yalnız değer evet olduğunda tanımı otomatik analiz listesine alır; hayır olduğunda manuel çalıştırma olasılığı korunur ancak veri hazırlama sonrası otomatik tetikleme yapılmaz.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        1 — evet / yes

41. analiz sonrası mail gönderimi

WISDOMERA / WANALYZER PROJECT / STATISTICS

41. analiz sonrası mail gönderimi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 41 Tip: select TR: analiz sonrası mail gönderimi EN: after analyze send mail

Açıklama

Analiz sonrasında e-posta gönderme isteğini saklar ve frontend evet olduğunda 42–58 arasındaki posta alanlarını gösterir. İncelenen Wanalyzer backend kapsamında bu alanları kullanarak e-posta gönderen bir uygulama bulunmadığından gönderimin başka servis tarafından gerçekleştirilmesi gerekebilir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	İlgili davranışı kapatır.
`1`	evet	yes	İlgili davranışı açar.

Örnek


                        0 — hayır / no

42. mail dosya eki tipleri

WISDOMERA / WANALYZER PROJECT / STATISTICS

42. mail dosya eki tipleri

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 42 Tip: checkbox TR: mail dosya eki tipleri EN: mail attachment file types

Açıklama

Analiz e-postasına eklenmesi istenen dosya biçimlerini listeler. Excel ve PDF birlikte seçilebilir; alan kayıt ve get servislerinde taşınır, ancak ek üretme ve gönderme davranışı incelenen backend kapsamında doğrulanmamıştır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	excel	excel	Excel ekini seçer.
`1`	pdf	pdf	PDF ekini seçer.

Örnek


                        excel, pdf

43. mail listesi

WISDOMERA / WANALYZER PROJECT / STATISTICS

43. mail listesi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 43 Tip: textarea TR: mail listesi EN: mail list

Açıklama

Analiz e-postasının alıcı adreslerini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        analyst@example.com

44. mail gönderici adı

WISDOMERA / WANALYZER PROJECT / STATISTICS

44. mail gönderici adı

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 44 Tip: textarea TR: mail gönderici adı EN: mail sender name

Açıklama

Analiz e-postasının gönderici görünen adını saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        WisdomEra Analiz

45. mail konu ön ad

WISDOMERA / WANALYZER PROJECT / STATISTICS

45. mail konu ön ad

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 45 Tip: textarea TR: mail konu ön ad EN: mail subject prefix

Açıklama

Analiz e-postasının konu ön ekini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        [Wanalyzer]

46. mail konu son ad

WISDOMERA / WANALYZER PROJECT / STATISTICS

46. mail konu son ad

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 46 Tip: textarea TR: mail konu son ad EN: mail subject suffix

Açıklama

Analiz e-postasının konu son ekini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        — Sonuçlar

47. mail giriş bilgisi

WISDOMERA / WANALYZER PROJECT / STATISTICS

47. mail giriş bilgisi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 47 Tip: textarea TR: mail giriş bilgisi EN: mail start note

Açıklama

Analiz e-postasının mesaj giriş metnini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        Analiz sonuçları aşağıdadır.

48. mail notu

WISDOMERA / WANALYZER PROJECT / STATISTICS

48. mail notu

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 48 Tip: list_parameter TR: mail notu EN: mail note

Açıklama

Analiz e-postasının tekrarlanabilir içerik bloklarını saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        Önemli sonuçlar

49. mail başlık

WISDOMERA / WANALYZER PROJECT / STATISTICS

49. mail başlık

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 49 Tip: text TR: mail başlık EN: mail caption

Açıklama

Analiz e-postasının içerik başlığını saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        Özet

50. mail içerik

WISDOMERA / WANALYZER PROJECT / STATISTICS

50. mail içerik

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 50 Tip: textarea TR: mail içerik EN: mail content

Açıklama

Analiz e-postasının içerik metnini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        p < 0.05 olan sonuçlar gösterilmiştir.

51. mail içerik rengi

WISDOMERA / WANALYZER PROJECT / STATISTICS

51. mail içerik rengi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 51 Tip: text TR: mail içerik rengi EN: mail content color

Açıklama

Analiz e-postasının içerik rengini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        #17344a

52. mail arkaplan resmi

WISDOMERA / WANALYZER PROJECT / STATISTICS

52. mail arkaplan resmi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 52 Tip: image TR: mail arkaplan resmi EN: mail background image

Açıklama

Analiz e-postasının arka plan görselini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        data:image/png;base64,…

53. mail tablo sınır çizgisi rengi

WISDOMERA / WANALYZER PROJECT / STATISTICS

53. mail tablo sınır çizgisi rengi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 53 Tip: text TR: mail tablo sınır çizgisi rengi EN: mail table border color

Açıklama

Analiz e-postasının tablo sınır rengini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        #dfe5f0

54. mail tablo arkaplan rengi

WISDOMERA / WANALYZER PROJECT / STATISTICS

54. mail tablo arkaplan rengi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 54 Tip: textarea TR: mail tablo arkaplan rengi EN: mail table background color

Açıklama

Analiz e-postasının tablo arka plan rengini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        #ffffff

55. mail imza

WISDOMERA / WANALYZER PROJECT / STATISTICS

55. mail imza

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 55 Tip: list_parameter TR: mail imza EN: mail signature

Açıklama

Analiz e-postasının imza bloklarını saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        Analiz Ekibi

56. mail imza notu

WISDOMERA / WANALYZER PROJECT / STATISTICS

56. mail imza notu

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 56 Tip: textarea TR: mail imza notu EN: mail signature note

Açıklama

Analiz e-postasının imza notunu saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        Saygılarımızla

57. mail imza resmi

WISDOMERA / WANALYZER PROJECT / STATISTICS

57. mail imza resmi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 57 Tip: image TR: mail imza resmi EN: mail signature image

Açıklama

Analiz e-postasının imza görselini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        data:image/png;base64,…

58. mail imza resmi genişlik

WISDOMERA / WANALYZER PROJECT / STATISTICS

58. mail imza resmi genişlik

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 58 Tip: textarea TR: mail imza resmi genişlik EN: mail signature width

Açıklama

Analiz e-postasının imza görsel genişliğini saklar. Alan istatistik kayıt ve get servislerinde korunur; incelenen Wanalyzer backend kapsamında e-posta oluşturma sırasında nasıl yorumlandığı doğrulanmadığından biçim, renk veya ölçü değeri hedef posta servisiyle uyumlu girilmelidir.

Örnek


                        160px

59. kolon filtre kuralı json

WISDOMERA / WANALYZER PROJECT / STATISTICS

59. kolon filtre kuralı json

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 59 Tip: textarea TR: kolon filtre kuralı json EN: column filter rule json

Açıklama

Analize dahil edilecek dataset satırlarını kolon koşullarıyla sınırlandıran JSON kuralıdır. Frontend kural editörü query_list ve derleme dizilerini üretir, kayıt servisi nesneyi JSON metnine çevirir ve get servisi yeniden nesneye açar; elle bozuk JSON girilirse tanım yüklenemeyebilir.

Örnek


                        Yaş ≥ 18

60. karşılaştırmalı otomatik kombinasyon analizi

WISDOMERA / WANALYZER PROJECT / STATISTICS

60. karşılaştırmalı otomatik kombinasyon analizi

İstatistik parametresi davranışı ve analiz ilişkileri

ID: 60 Tip: select TR: karşılaştırmalı otomatik kombinasyon analizi EN: comparison auto combination analyze

Açıklama

Karşılaştırmalı analiz için değişken kombinasyonlarının otomatik üretilmesini açar veya kapatır. Frontend bu alanı yalnız karşılaştırma tasarımında gösterir; aktif seçim kolon listelerinden kombinasyon üretme isteğini taşır, ancak oluşacak kombinasyon sayısı seçilen kolonlara bağlıdır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	pasif	passive	Otomatik kombinasyon üretimini kapatır.
`1`	aktif	active	Otomatik kombinasyon üretimini açar.

Örnek


                        1 — aktif / active

Wanalyzer Project / Statistics / Process hakkında

WISDOMERA / WANALYZER

Wanalyzer Project / Statistics / Process

Her istatistik çalıştırmasının durumunu, zamanlarını, sayaçlarını ve günlüğünü izler.

Süreç akışı

Analiz tetiklendiğinde süreç başla durumunda ve sıfır sayaçlarla oluşturulur. Başla ile devam ediyor durumları aktif izlenir; iptal ile tamamlandı durumları izlemeyi bitirip sonuçları yeniler.

Katman ayrımı: Sonuç durumu, test adı, analiz tipi ve sonuç metni dili bu sürecin parametreleri değildir; süreç sonuç alt katmanında tutulur.

0. durum

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

0. durum

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 0 Tip: select TR: durum EN: status

Açıklama

İstatistik analiz sürecinin yaşam döngüsü durumudur. Analiz tetiklendiğinde kayıt başla değeriyle oluşturulur. Başla veya devam ediyor seçilirse süreç aktif kabul edilir ve arayüz kaydı beş saniyede bir yeniler; iptal veya tamamlandı seçilirse izleme durur ve sonuç listesi yeniden yüklenir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	iptal	cancel	Süreci aktif izleme kümesinden çıkarır ve arayüzün sonuçları yenilemesini sağlar.
`1`	başla	start	Yeni süreç bu değerle oluşturulur ve aktif olarak izlenir.
`2`	devam ediyor	continue	Çalışmanın sürdüğünü bildirir ve aktif izlemeyi devam ettirir.
`3`	tamamlandı	complete	Çalışmanın bittiğini bildirir, izlemeyi durdurur ve sonuçları yeniler.

Örnek


                        1 — başla / start

1. wanalyzer proje id

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

1. wanalyzer proje id

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 1 Tip: text TR: wanalyzer proje id EN: wanalyzer project id

Açıklama

Süreci sahibi olan Wanalyzer projesine bağlayan istemci kimliğidir. Doğru proje kimliği kullanılırsa aktif süreç servisi kaydı ilgili proje altında bildirir ve sonuç yetkilendirmesi doğru proje bağlamında yapılır; yanlış kimlik süreç ile proje ilişkisini bozar.

Örnek


                        wp_01HXYZ…

2. istatistik id

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

2. istatistik id

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 2 Tip: text TR: istatistik id EN: stats id

Açıklama

Süreci üreten istatistik tanımının istemci kimliğidir. Süreç listesi bu ilişki üzerinden seçilen istatistik kaydının altından okunur; doğru kimlik kullanılırsa üretilen sonuçlar doğru analiz tasarımıyla ilişkilendirilir, yanlış kimlik başka bir istatistik tanımının altında görünmeye yol açabilir.

Örnek


                        stats_01HXYZ…

3. başlama tarihi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

3. başlama tarihi

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 3 Tip: datetime TR: başlama tarihi EN: start date

Açıklama

Analiz sürecinin oluşturulduğu başlangıç zamanıdır. Tetikleme servisi bu alanı eşgüdümlü evrensel zamanla saniye hassasiyetinde doldurur; bu nedenle süreçleri kronolojik sıralamak ve bitiş tarihiyle yaklaşık çalışma süresini hesaplamak için kullanılır.

Örnek


                        2026-10-25T09:30:00

4. bitiş tarihi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

4. bitiş tarihi

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 4 Tip: datetime TR: bitiş tarihi EN: end date

Açıklama

Analiz çalışmasının sona erdiği zamandır. Süreç tamamlandığında doldurulursa başlangıç tarihiyle birlikte çalışma aralığını gösterir; süreç henüz çalışıyorsa veya iptal kaydı bitiş zamanı üretmediyse boş kalabilir.

Örnek


                        2026-10-25T09:31:42

5. son bilgilendirme tarihi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

5. son bilgilendirme tarihi

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 5 Tip: datetime TR: son bilgilendirme tarihi EN: last information date

Açıklama

Çalışan sürecin en son ne zaman ilerleme bilgisi verdiğini gösterir. Kayıt oluşturulurken başlangıç tarihiyle aynı değer atanır ve aktif süreç servisi bu alanı durumla birlikte döndürür; değer düzenli güncellenirse sürecin canlılığı izlenebilir, uzun süre değişmezse süreç gecikmiş veya durmuş olabilir.

Örnek


                        2026-10-25T09:30:45

6. durdurma tarihi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

6. durdurma tarihi

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 6 Tip: datetime TR: durdurma tarihi EN: stop date

Açıklama

Sürecin durdurulduğu veya iptal edildiği zamanı saklar. İptal durumuyla birlikte doldurulursa çalışmanın ne zaman sonlandırıldığını açıklar; tek başına dolu olması arayüz izlemeyi durdurmaz, çünkü izleme kararı durum alanının iptal veya tamamlandı olmasına göre verilir.

Örnek


                        2026-10-25T09:30:58

7. satır adedi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

7. satır adedi

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 7 Tip: integer TR: satır adedi EN: row count

Açıklama

Analiz sürecinin ilişkilendirildiği veya işlediği dataset satırı sayısını tutan sayaçtır. Süreç kaydı oluşturulurken sıfır atanır; analiz motoru ilerledikçe güncellerse kapsam ve ilerleme bilgisi verir, sıfır kalması tek başına başarısızlık anlamına gelmez çünkü süreç henüz başlamış olabilir.

Örnek

8. sonuç toplam adet

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

8. sonuç toplam adet

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 8 Tip: integer TR: sonuç toplam adet EN: result total count

Açıklama

Sürecin ürettiği sonuç kayıtlarının toplam sayısını tutan sayaçtır. Kayıt oluşturulurken sıfır atanır; sonuçlar süreç alt katmanına yazıldıkça güncellenirse kullanıcının beklenen sonuç hacmini görmesini sağlar. Bu alan sonuçların içeriği değildir; ayrıntılar süreç sonuç katmanından okunur.

Örnek

9. log

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS

9. log

İstatistik süreci davranışı ve çalışma ilişkileri

ID: 9 Tip: textarea TR: log EN: log

Açıklama

Sürecin başlatılma biçimini, ilerleme notlarını veya hata açıklamalarını taşıyan metindir. Tetikleme servisi başlangıçta yetkilendirme ya da kredi çalışma biçimini belirten Analyze kaydını yazar; sonraki adımlar ayrıntı eklerse operasyonun neden tamamlandığı, geciktiği veya iptal edildiği bu alandan izlenebilir.

Örnek


                        Analyze (auth)

Wanalyzer Project / Statistics / Process / Result hakkında

WISDOMERA / WANALYZER

Wanalyzer Project / Statistics / Process / Result

Analiz sonuçlarının ölçülerini, kolon bağlarını, tanılarını ve tablolarını saklar.

Sonuç akışı

Analiz ve test tipi alanların yorumunu belirler; p değeri anlamlılık eşiğiyle karşılaştırılır; ham JSON alanları tablo ve dağılım tanılarını üretir.

Bağımlılık: Kolon indeksleri proje sırasına, JSON alanları beklenen anahtar yapısına bağlıdır. Bu yapılardan biri değişirse eski sonuçların görünümü bozulabilir.

0. durum

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

0. durum

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 0 Tip: select TR: durum EN: status

Açıklama

Sonuç kaydının aktiflik durumudur. Aktif seçilirse kayıt güncel sonuç olarak kullanılmaya uygundur; pasif seçilirse kayıt geçmiş veya kullanım dışı sonuç olarak işaretlenir. İncelenen liste servisi alt kayıtları durum filtresi uygulamadan döndürdüğü için yalnız bu değere güvenerek kaydın listeden gizleneceği varsayılmamalıdır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	pasif	passive	Sonuç kaydını pasif olarak işaretler.
`1`	aktif	active	Sonuç kaydını aktif olarak işaretler.

Örnek


                        1 — aktif / active

1. wanalyzer proje id

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

1. wanalyzer proje id

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 1 Tip: text TR: wanalyzer proje id EN: wanalyzer project id

Açıklama

Sonuç kaydını ilgili Wanalyzer projesine bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa sonuç doğru hiyerarşide bulunur; yanlış kimlik yetkilendirme, listeleme veya geçmiş sonuç seçimini farklı bir bağlama yönlendirebilir.

Örnek


                        wp_01HXYZ…

2. istatistik id

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

2. istatistik id

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 2 Tip: text TR: istatistik id EN: stats id

Açıklama

Sonuç kaydını ilgili istatistik tanımına bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa sonuç doğru hiyerarşide bulunur; yanlış kimlik yetkilendirme, listeleme veya geçmiş sonuç seçimini farklı bir bağlama yönlendirebilir.

Örnek


                        stats_01HXYZ…

3. proses id

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

3. proses id

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 3 Tip: text TR: proses id EN: process id

Açıklama

Sonuç kaydını ilgili istatistik sürecine bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa sonuç doğru hiyerarşide bulunur; yanlış kimlik yetkilendirme, listeleme veya geçmiş sonuç seçimini farklı bir bağlama yönlendirebilir.

Örnek


                        process_01HXYZ…

4. başlama tarihi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

4. başlama tarihi

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 4 Tip: datetime TR: başlama tarihi EN: start date

Açıklama

Sonuç üretiminin başladığı zamandır. Başlangıç ve bitiş tarihleri birlikte çalışma süresinin hesaplanmasını sağlar.

Örnek


                        2026-10-25T09:30:00

5. bitiş tarihi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

5. bitiş tarihi

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 5 Tip: datetime TR: bitiş tarihi EN: end date

Açıklama

Sonuç üretiminin bittiği zamandır. Bitiş tarihi başlangıç tarihiyle birlikte değerlendirilirse işlem süresi bulunur; boşsa sonuç henüz tamamlanmamış veya tarih kaydedilmemiş olabilir.

Örnek


                        2026-10-25T09:30:04

6. analiz tipi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

6. analiz tipi

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 6 Tip: select TR: analiz tipi EN: analyze type

Açıklama

Sonucun hangi analiz tasarımından üretildiğini belirler. Bu değer arayüzün tanımlayıcı kolon, karşılaştırma değişkenleri, önce–sonra eşleşmesi veya Cronbach alpha ölçüsü gibi ilgili alanları nasıl yorumlayacağını belirlediği için sonuç içeriğiyle uyumlu olmalıdır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	tanımlayıcı	descriptive	Tek kolonun dağılım ve özet ölçülerini bildirir.
`1`	karşılaştırma	cross columns	Bağımsız ve bağımlı kolonlar arasındaki testi bildirir.
`2`	önce & sonra karşılaştırma	before after comparison	Eşleştirilmiş önce ve sonra kolonlarını bildirir.
`3`	cronbach alpha	cronbach alpha	İç tutarlılık analiz sonucunu bildirir.

Örnek


                        1 — karşılaştırma / cross columns

7. test adı

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

7. test adı

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 7 Tip: select TR: test adı EN: test name

Açıklama

Karşılaştırmalı sonucun hangi istatistiksel testle üretildiğini belirtir. Arayüz parametrik olmayan Kruskal–Wallis ve Mann–Whitney U sonuçlarında medyan ile çeyrekler arası aralığı, diğer karşılaştırmalarda ortalama ile standart sapmayı öncelikli gösterdiği için doğru test kodu sunumu doğrudan etkiler.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	oneway anova	oneway anova	Sonucun bu istatistiksel testle üretildiğini bildirir.
`1`	kikare	chisquare	Sonucun bu istatistiksel testle üretildiğini bildirir.
`2`	fisher exact	fisher exact	Sonucun bu istatistiksel testle üretildiğini bildirir.
`3`	pearson korelasyon	pearson correlation	Sonucun bu istatistiksel testle üretildiğini bildirir.
`4`	spearman korelasyon	spearman correlation	Sonucun bu istatistiksel testle üretildiğini bildirir.
`5`	lojistik regresyon	logistic regression	Sonucun bu istatistiksel testle üretildiğini bildirir.
`6`	lineer regresyon	linear regression	Sonucun bu istatistiksel testle üretildiğini bildirir.
`7`	kruskal wallis	kruskal wallis	Sonucun bu istatistiksel testle üretildiğini bildirir.
`8`	mann whitney u	mann whitney u	Sonucun bu istatistiksel testle üretildiğini bildirir.
`9`	bağımsız örneklemler student t-test	independent samples student t-test	Sonucun bu istatistiksel testle üretildiğini bildirir.
`10`	welch t test	welch t test	Sonucun bu istatistiksel testle üretildiğini bildirir.

Örnek


                        9 — independent samples student t-test

8. satır adedi

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

8. satır adedi

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 8 Tip: integer TR: satır adedi EN: row count

Açıklama

Sonucun hesaplandığı geçerli gözlem sayısıdır. Yüzde ve tablo toplamlarında payda olarak kullanılabilir; eski kayıtlarda boş veya sıfırsa arayüz sıklık JSON içindeki adetlerin toplamını yedek payda olarak kullanır.

Örnek

9. p değeri

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

9. p değeri

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 9 Tip: text TR: p değeri EN: p value

Açıklama

İstatistik testinin hesaplanan p değeridir. Arayüz bu değeri 10 numaralı anlamlılık eşiğiyle karşılaştırır; p değeri eşikten küçükse sonucu anlamlı olarak vurgular. Değer 0.001 değerinden küçükse görünümde “<0.001” biçiminde gösterilir.

Örnek


                        0.032

10. anlamlılık p değeri

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

10. anlamlılık p değeri

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 10 Tip: text TR: anlamlılık p değeri EN: significance p value

Açıklama

Sonucun anlamlı kabul edilmesinde kullanılan p değeri eşiğidir. Alan sayıya çevrilemezse test seçimi değerlendirmesinde 0.05 varsayılır; daha küçük eşik daha katı, daha büyük eşik daha gevşek karar üretir.

Örnek


                        0.05

11. log

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

11. log

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 11 Tip: textarea TR: log EN: log

Açıklama

Analiz motorunun sonuçla ilgili açıklama, uyarı veya hata notudur. Arayüz kategorik–numerik grup tablosunda bu alanı sonuç notu olarak taşır; bu nedenle hesaplamanın sınırlılığı veya eksik veri nedeni varsa burada açıkça belirtilmelidir.

Örnek


                        Analiz 120 geçerli gözlemle tamamlandı.

12. sonuç metni

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

12. sonuç metni

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 12 Tip: list_parameter TR: sonuç metni EN: result text

Açıklama

Aynı sonuç için birden fazla dilde yorum metni taşıyan listedir. Her öğe 13 numaralı içerikle 14 numaralı dili birlikte saklar; seçilen arayüz diline uygun öğe bulunduğunda kullanıcı hesap değerleriyle birlikte okunabilir bir yorum görür.

Örnek


                        Türkçe ve İngilizce yorum

13. sonuç metni içerik

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

13. sonuç metni içerik

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 13 Tip: textarea TR: sonuç metni içerik EN: result text content

Açıklama

Sonuç metni listesindeki okunabilir yorum içeriğidir. Metin, p değeri veya etki yönünü bağlamıyla açıklarsa ham sayının yanlış yorumlanma riskini azaltır; dil alanıyla eşleşmeyen içerik yanlış dilde sunulabilir.

Örnek


                        Gruplar arasında anlamlı fark bulundu.

14. sonuç metni dili

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

14. sonuç metni dili

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 14 Tip: select TR: sonuç metni dili EN: result text language

Açıklama

Sonuç metni öğesinin dil kodudur. Türkçe veya İngilizce seçimi içeriğin hangi dil görünümünde kullanılacağını belirler; yanlış kod doğru metnin arayüzde seçilmesini engelleyebilir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	tr	tr	Metnin Türkçe sürüm olduğunu bildirir.
`1`	en	en	Metnin İngilizce sürüm olduğunu bildirir.

Örnek


                        0 — tr

15. tanımlayıcı seçilen kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

15. tanımlayıcı seçilen kolon indeks

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 15 Tip: text TR: tanımlayıcı seçilen kolon indeks EN: descriptive selected column index

Açıklama

Sonuçta tanımlayıcı rolünde kullanılan proje kolonunun sıfır tabanlı indeksidir. Arayüz kolon adını ve seçeneklerini bu indeksle bulduğu için kolon sırası sonradan değişirse eski sonuç farklı kolona bağlanabilir veya tabloda atlanabilir.

Örnek

16. bağımsız değişken kolonu

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

16. bağımsız değişken kolonu

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 16 Tip: list_parameter TR: bağımsız değişken kolonu EN: independent variable column

Açıklama

Sonuçta kullanılan bağımsız değişken kolonlarını taşıyan listedir. Her öğe kendi kolon indeksini içerir; kategorik–kategorik ve kategorik–numerik tabloların eksen ve grup adları bu eşleştirmelerden üretildiği için liste sonuç JSON yapısıyla aynı rolleri temsil etmelidir.

Örnek

age

17. bağımsız değişken kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

17. bağımsız değişken kolon indeks

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 17 Tip: text TR: bağımsız değişken kolon indeks EN: independent variable column index

Açıklama

Sonuçta bağımsız değişken rolünde kullanılan proje kolonunun sıfır tabanlı indeksidir. Arayüz kolon adını ve seçeneklerini bu indeksle bulduğu için kolon sırası sonradan değişirse eski sonuç farklı kolona bağlanabilir veya tabloda atlanabilir.

Örnek

18. bağımlı değişken kolonu

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

18. bağımlı değişken kolonu

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 18 Tip: list_parameter TR: bağımlı değişken kolonu EN: dependent variable column

Açıklama

Sonuçta kullanılan bağımlı değişken kolonlarını taşıyan listedir. Her öğe kendi kolon indeksini içerir; kategorik–kategorik ve kategorik–numerik tabloların eksen ve grup adları bu eşleştirmelerden üretildiği için liste sonuç JSON yapısıyla aynı rolleri temsil etmelidir.

Örnek


                        outcome

19. bağımlı değişken kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

19. bağımlı değişken kolon indeks

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 19 Tip: text TR: bağımlı değişken kolon indeks EN: dependent variable column index

Açıklama

Sonuçta bağımlı değişken rolünde kullanılan proje kolonunun sıfır tabanlı indeksidir. Arayüz kolon adını ve seçeneklerini bu indeksle bulduğu için kolon sırası sonradan değişirse eski sonuç farklı kolona bağlanabilir veya tabloda atlanabilir.

Örnek

20. önce-sonra 1. kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

20. önce-sonra 1. kolon indeks

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 20 Tip: text TR: önce-sonra 1. kolon indeks EN: before-after 1st column index

Açıklama

Sonuçta önce rolünde kullanılan proje kolonunun sıfır tabanlı indeksidir. Arayüz kolon adını ve seçeneklerini bu indeksle bulduğu için kolon sırası sonradan değişirse eski sonuç farklı kolona bağlanabilir veya tabloda atlanabilir.

Örnek

21. önce-sonra 2. kolon indeks

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

21. önce-sonra 2. kolon indeks

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 21 Tip: text TR: önce-sonra 2. kolon indeks EN: before-after 2nd column index

Açıklama

Sonuçta sonra rolünde kullanılan proje kolonunun sıfır tabanlı indeksidir. Arayüz kolon adını ve seçeneklerini bu indeksle bulduğu için kolon sırası sonradan değişirse eski sonuç farklı kolona bağlanabilir veya tabloda atlanabilir.

Örnek

22. ortalama

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

22. ortalama

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 22 Tip: float TR: ortalama EN: mean

Açıklama

Analiz edilen sayısal verinin aritmetik ortalamayı saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek


                        42.6

23. medyan

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

23. medyan

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 23 Tip: float TR: medyan EN: median

Açıklama

Analiz edilen sayısal verinin medyanı saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek


                        41.0

24. standart sapma

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

24. standart sapma

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 24 Tip: float TR: standart sapma EN: standart deviation

Açıklama

Analiz edilen sayısal verinin standart sapmayı saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek

8.4

25. cronbach alpha

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

25. cronbach alpha

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 25 Tip: float TR: cronbach alpha EN: cronbach alpha

Açıklama

Analiz edilen sayısal verinin Cronbach alpha iç tutarlılık katsayısını saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek


                        0.87

26. minimum

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

26. minimum

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 26 Tip: float TR: minimum EN: minimum

Açıklama

Analiz edilen sayısal verinin minimum değeri saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek

27. maximum

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

27. maximum

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 27 Tip: float TR: maximum EN: maximum

Açıklama

Analiz edilen sayısal verinin maksimum değeri saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek

28. toplam değer

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

28. toplam değer

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 28 Tip: float TR: toplam değer EN: sum

Açıklama

Analiz edilen sayısal verinin değerlerin toplamını saklar. Alan doluysa metrik kartında veya sonuç tablosunda gösterilebilir; değer yalnız satır sayısı, analiz tipi ve ilgili dağılım ölçüleriyle birlikte yorumlandığında doğru bağlam kazanır.

Örnek

29. sıklık json

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

29. sıklık json

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 29 Tip: textarea TR: sıklık json EN: frequency json

Açıklama

Kategorik bir kolonun kategori–adet eşleştirmelerini JSON nesnesi olarak saklar. Arayüz adetleri toplayarak geçerli gözlem paydasını hesaplar ve her kategori için adet, grup yüzdesi ile genel yüzde üretir; bozuk JSON tablo oluşturmayı engeller.

Örnek


                        {"Kadın":64,"Erkek":56}

30. kategorik & kategorik json

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

30. kategorik & kategorik json

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 30 Tip: textarea TR: kategorik & kategorik json EN: categorical & categorical json

Açıklama

İki kategorik değişkenin iç içe kategori–adet matrisini JSON nesnesi olarak saklar. Arayüz bu yapıdan sütun yüzdesi, satır yüzdesi ve ham sıklık tabloları üretir; dış anahtarlar satır gruplarını, iç anahtarlar sütun kategorilerini temsil etmelidir.

Örnek


                        {"Tedavi":{"Başarılı":42,"Başarısız":18}}

31. kategorik & numerik json

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

31. kategorik & numerik json

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 31 Tip: textarea TR: kategorik & numerik json EN: categorical & numeric json

Açıklama

Kategorik gruplara göre sayısal özetleri JSON nesnesi olarak saklar. Her grup ortalama, medyan, çeyrekler arası açıklık, birinci ve üçüncü çeyrek, standart sapma, minimum, maksimum, toplam ve adet alanlarını taşıyabilir; alan adları beklenen yapıyla eşleşmezse hücreler boş görünür.

Örnek


                        {"Tedavi":{"mean":42.6,"count":60}}

32. tablo

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

32. tablo

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 32 Tip: list_parameter TR: tablo EN: table

Açıklama

Önceden hazırlanmış sonuç tablolarını taşıyan listedir. Arayüz önce 29–31 numaralı ham JSON alanlarından tablo üretmeye çalışır; bunlardan hiçbir tablo oluşmazsa geri uyumluluk için bu listedeki 33 numaralı ad ve 34 numaralı JSON verisini kullanır.

Örnek


                        regression table

33. tablo adı

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

33. tablo adı

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 33 Tip: textarea TR: tablo adı EN: table name

Açıklama

Tablo listesindeki tablonun adıdır. Çeviri anahtarıyla eşleşirse arayüz yerelleştirilmiş başlığı kullanır; eşleşmezse kayıtlı metni doğrudan gösterir.

Örnek


                        logistic_regression

34. tablo json

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

34. tablo json

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 34 Tip: select TR: tablo json EN: table json

Açıklama

Tablo listesindeki columns ve rows dizilerini taşıyan JSON verisidir. Geçerli yapı sağlanırsa arayüz başlıkları ve satırları tabloya dönüştürür; bozuk JSON veya eksik diziler tablonun gösterilmesini engeller.

Örnek


                        {"columns":["term","coefficient"],"rows":[["age",0.18]]}

35. çeyrekler arası açıklık

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

35. çeyrekler arası açıklık

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 35 Tip: text TR: çeyrekler arası açıklık EN: interquartile range

Açıklama

Sayısal dağılımın çeyrekler arası açıklığı saklar. Arayüz medyan görünümünde birinci ve üçüncü çeyreği “medyan (Q1–Q3)” biçiminde birleştirir; eksik veya sayıya çevrilemeyen değer varsa bu özet gösterilmez.

Örnek

36. çeyrekler arası açıklık q1

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

36. çeyrekler arası açıklık q1

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 36 Tip: text TR: çeyrekler arası açıklık q1 EN: interquartile range q1

Açıklama

Sayısal dağılımın birinci çeyreği saklar. Arayüz medyan görünümünde birinci ve üçüncü çeyreği “medyan (Q1–Q3)” biçiminde birleştirir; eksik veya sayıya çevrilemeyen değer varsa bu özet gösterilmez.

Örnek

37. çeyrekler arası açıklık q3

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

37. çeyrekler arası açıklık q3

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 37 Tip: text TR: çeyrekler arası açıklık q3 EN: interquartile range q3

Açıklama

Sayısal dağılımın üçüncü çeyreği saklar. Arayüz medyan görünümünde birinci ve üçüncü çeyreği “medyan (Q1–Q3)” biçiminde birleştirir; eksik veya sayıya çevrilemeyen değer varsa bu özet gösterilmez.

Örnek

38. levene p değeri

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

38. levene p değeri

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 38 Tip: text TR: levene p değeri EN: levene p value

Açıklama

Grupların varyans eşitliğini değerlendiren Levene testinin p değeridir. Arayüz her iki alanı test seçimi değerlendirmesinde birlikte gösterir; p değeri anlamlılık eşiğinin altındaysa eşit varyans varsayımı desteklenmez.

Örnek


                        0.218

39. levene test istatistiği

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

39. levene test istatistiği

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 39 Tip: text TR: levene test istatistiği EN: levene test statistic

Açıklama

Grupların varyans eşitliğini değerlendiren Levene testinin test istatistiğidir. Arayüz her iki alanı test seçimi değerlendirmesinde birlikte gösterir; p değeri anlamlılık eşiğinin altındaysa eşit varyans varsayımı desteklenmez.

Örnek


                        1.534

40. basıklık değerleri

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

40. basıklık değerleri

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 40 Tip: text TR: basıklık değerleri EN: excess kurtosis values

Açıklama

Her grup için basıklık değeri ve gözlem adedini taşıyan JSON sözlüğüdür. Arayüz mutlak çarpıklık 2 değerini veya mutlak basıklık 7 değerini aşarsa belirgin şekil sapması bildirir; bozuk JSON tanı satırlarını oluşturamaz.

Örnek


                        {"Tüm veri":{"value":0.41,"count":120}}

41. çarpıklık değerleri

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

41. çarpıklık değerleri

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 41 Tip: text TR: çarpıklık değerleri EN: skewness values

Açıklama

Her grup için çarpıklık değeri ve gözlem adedini taşıyan JSON sözlüğüdür. Arayüz mutlak çarpıklık 2 değerini veya mutlak basıklık 7 değerini aşarsa belirgin şekil sapması bildirir; bozuk JSON tanı satırlarını oluşturamaz.

Örnek


                        {"Tüm veri":{"value":0.28,"count":120}}

42. shapiro-wilk sonuçları

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

42. shapiro-wilk sonuçları

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 42 Tip: text TR: shapiro-wilk sonuçları EN: shapiro-wilk results

Açıklama

Her grup için Shapiro–Wilk kullanılabilirlik, test istatistiği, p değeri ve gözlem adedini taşıyan JSON sözlüğüdür. Kullanılabilir gruplarda p değeri anlamlılık eşiğinin altındaysa arayüz normal dağılımın reddedildiğini değerlendirir.

Örnek


                        {"Tüm veri":{"available":true,"statistic":0.98,"p_value":0.12,"count":120}}

43. kolmogorov-smirnov sonuçları

WISDOMERA / WANALYZER PROJECT / STATISTICS / PROCESS / RESULT

43. kolmogorov-smirnov sonuçları

İstatistik sonucunun hesaplama ve sunum ilişkileri

ID: 43 Tip: text TR: kolmogorov-smirnov sonuçları EN: kolmogorov-smirnov results

Açıklama

Kolmogorov–Smirnov dağılım sonuçlarını grup bazında taşıyan JSON yapısıdır. Arayüz groups altındaki her grubun test istatistiğini, p değerini ve gözlem adedini dağılım tanı tablosunda gösterir; beklenen groups yapısı yoksa bu test satırları boş kalır.

Örnek


                        {"groups":{"Tüm veri":{"statistic":0.07,"p_value":0.20,"count":120}}}

Wanalyzer Project / Machine Learning hakkında

WISDOMERA / WISTATS

Wanalyzer Project / Machine Learning

Makine öğrenmesi analiz tanımını ve çalışma kapsamını yapılandırır.

Tanımın rolü

Bu katman, ortak Wanalyzer projesindeki hazırlanmış dataset üzerinde çalışacak makine öğrenmesi analiz tanımını saklar. Tanım model seçimini, girdi kolonlarını ve kombinasyon biçimini, çıktı kolonunun yorumunu, K-means küme sayısını ve veri hazırlama sonrası otomatik çalışmayı belirler. Kolon ilişkileri sıfır tabanlı indekslerle tutulduğu için kolon sırası değiştiğinde eşleştirmeler yeniden doğrulanmalıdır. Otomatik model ile otomatik kombinasyon birlikte kullanılırsa her model her boş olmayan girdi alt kümesi için denendiğinden süreç çok sayıda sonuç üretebilir.

Büyüme etkisi: Otomatik model ve otomatik kombinasyon birlikte seçilirse tahmini sonuç sayısı model sayısı × girdi kombinasyonu sayısıdır.

0. durum

ID 0 select TR: durum EN: status

Açıklama

Makine öğrenmesi tanımının kayıtlı aktiflik bilgisidir. Değer 1 seçilirse tanım aktif, 0 seçilirse pasif olarak saklanır. Ancak incelenen otomatik analiz seçicisi yalnızca 14 numaralı otomatik analiz alanını kontrol eder ve manuel çalıştırma akışında da bu alanı zorunlu bir engel olarak kullanan ortak bir kontrol görülmez. Bu nedenle pasif değerini tek başına çalıştırmayı kesin olarak durduran bir güvenlik anahtarı gibi kullanmayın; otomatik çalışmayı kapatmak için 14 numaralı alanı da hayır yapın.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	pasif	passive	Tanımı pasif olarak kaydeder.
`1`	aktif	active	Tanımı aktif olarak kaydeder.

Örnek

                      1 — aktif / active

1. wanalyzer proje id

ID 1 text TR: wanalyzer proje id EN: wanalyzer project id

Açıklama

Tanımı ortak Wanalyzer proje, kolon ve dataset bağlamına bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa analiz aynı projenin hazırlanmış datasetini ve kolon metadatasını okur; yanlış kimlik kullanılırsa tanım başka proje altında aranır veya gerekli veri ile kolon ilişkileri kurulamaz.

Örnek

                      wp_01HXYZ…

2. adı

ID 2 text TR: adı EN: name

Açıklama

Makine öğrenmesi tanımını listelerde ayırt etmek için kullanılan addır. Hızlı analiz ekranı kayıt oluştururken model kullanım biçimini, seçili modeli, girdi kolonlarını ve çıktı kolonunu birleştirerek bu adı otomatik üretir; açıklayıcı bir ad kullanılırsa aynı projedeki çok sayıdaki deneyin hangi yapılandırmaya ait olduğu daha kolay anlaşılır.

Örnek

                      Otomatik — Yaş, Gelir → Satın Alma

3. açıklama

ID 3 text TR: açıklama EN: note

Açıklama

Tanımın amacı, veri kapsamı veya değerlendirme notları için saklanan açıklamadır. Model eğitiminde girdi değişkeni olarak kullanılmaz; bu nedenle deneyin neden oluşturulduğunu veya sonuçların hangi koşullarda yorumlanacağını insanlara aktarmak için kullanılmalıdır.

Örnek

                      Son 12 aylık kayıtlarla yeniden başvuru tahmini.

4. model kullanım tipi

ID 4 select TR: model kullanım tipi EN: model usage type

Açıklama

Çalıştırılacak model kümesini belirler. Seçilen değeri kullanılırsa yalnızca 5 numaralı model eğitilir. Otomatik değeri kullanılırsa backend yedi model kodunun tamamını dener; bu nedenle oluşabilecek sonuç sayısı model sayısı ile girdi kombinasyonu sayısının çarpımına göre artar ve veriyle uyumsuz bir model hata yerine uyarı içeren bir sonuç kaydı üretebilir.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	seçilen	selected	Yalnızca 5 numaralı model değerini çalıştırır.
`1`	otomatik	auto	Yedi modelin tamamını her üretilen girdi kombinasyonu için dener.

Örnek

                      1 — otomatik / auto

5. model

ID 5 select TR: model EN: model

Açıklama

Model kullanım tipi seçilen olduğunda eğitilecek algoritmayı belirler. Lojistik regresyon ve mevcut destek vektör makinası yolu sınıflandırma yapar; lineer regresyon regresyon yapar; rassal orman, karar ağacı ve k en yakın komşu çıktı kolonunun kategorik veya numerik yorumuna göre sınıflandırıcı ya da regresör olur. K-means çıktı kolonunu eğitimde kullanmadan girdileri kümeler.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	lojistik regresyon	logistic regression	Sınıflandırma modeli kurar.
`1`	lineer regresyon	linear regression	Numerik çıktı için regresyon modeli kurar.
`2`	destek vektör makinası	support vector machine	Mevcut uygulamada sınıflandırma modeli kurar.
`3`	K-means (kümeleme)	k means	Çıktıyı kullanmadan girdileri kümeler.
`4`	rassal ormanlar	random forest	Çıktı türüne göre sınıflandırma veya regresyon yapar.
`5`	karar ağacı	decision tree	Çıktı türüne göre sınıflandırma veya regresyon yapar.
`6`	k en yakın komşu	k nearest neighbor	Çıktı türüne göre sınıflandırma veya regresyon yapar.

Örnek

                      4 — rassal orman / random forest

6. küme sayısı

ID 6 integer TR: küme sayısı EN: cluster count

Açıklama

K-means modeli için istenen küme sayısıdır. Değer boş bırakılırsa backend 3 kullanır; eğitim sırasında değer en az 2 ve en fazla kullanılabilir satır sayısı olacak şekilde sınırlandırılır. Örneğin 10 istenir fakat yalnızca 6 geçerli satır bulunursa model 6 küme ile çalışır.

Örnek

7. girdi kullanım tipi

ID 7 select TR: girdi kullanım tipi EN: input usage type

Açıklama

Seçili girdi kolonlarının deneylere nasıl dağıtılacağını belirler. Tüm girdiler birlikte seçilirse bütün girdiler tek özellik kümesi olarak kullanılır. Otomatik kombinasyon seçilirse bir kolondan bütün kolonlara kadar boş olmayan tüm alt kümeler oluşturulur; n girdi için 2ⁿ−1 kombinasyon oluştuğundan süre ve sonuç sayısı hızlı biçimde büyüyebilir. Hızlı analiz arayüzü bu alanı yalnızca çıktı numerik olduğunda gönderir; diğer durumda backend boş değeri tüm girdiler birlikte olarak ele alır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	tüm girdiler birlikte	all inputs together	Seçili girdilerden tek bir özellik kümesi oluşturur.
`1`	otomatik kombinasyon	auto combination	Seçili girdilerin boş olmayan bütün alt kümelerini üretir.

Örnek

                      0 — tüm girdiler birlikte / all inputs together

8. girdi kolonu

ID 8 list_parameter TR: girdi kolonu EN: input column

Açıklama

Modelin bağımsız değişken veya özellik olarak kullanacağı kolonların tekrar eden listesidir. En az bir girdi gerekir. Kategorik girdiler eğitimden önce gösterge kolonlarına dönüştürülür; numerik girdiler sayıya çevrilir ve geçersiz numerik değeri olan satırlar eğitim verisinden çıkarılır. Alt kayıtlardaki indeks ve kullanım tipi her girdi için ayrı saklanır.

Örnek

                      [Yaş, Gelir, Şehir]

9. girdi kolon indeks

ID 9 text TR: girdi kolon indeks EN: input column index

Açıklama

Girdi listesi satırının proje kolon dizisindeki sıfır tabanlı konumudur. 0 ilk kolonu, 1 ikinci kolonu gösterir. Proje kolonlarının sırası değişirse aynı sayı başka bir kolona işaret edeceği için tanım yeniden doğrulanmalıdır.

Örnek

10. girdi kolon kullanım tipi

ID 10 select TR: girdi kolon kullanım tipi EN: input column usage type

Açıklama

Her girdi kolonunun kategorik veya numerik olarak nasıl yorumlanacağını belirler. Otomatik seçilirse proje kolon metadatasındaki float ve integer türleri numerik, diğer türler kategorik kabul edilir. Kategorik seçilirse değerler gösterge kolonlarına ayrılır; numerik seçilirse değerler sayıya çevrilir ve çevrilemeyen satırlar çıkarılır. Mevcut hızlı analiz kayıt üreticisi bu alanı otomatik olarak kaydeder.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	otomatik	auto	Türü proje kolon metadatasından belirler.
`1`	kategorik	categorical	Değerleri kategorik özellikler olarak kodlar.
`2`	numerik	numeric	Değerleri numerik özellikler olarak dönüştürür.

Örnek

                      0 — otomatik / auto

11. çıktı kolon indeks

ID 11 text TR: çıktı kolon indeks EN: output column index

Açıklama

Tahmin edilecek bağımlı değişkenin proje kolon dizisindeki sıfır tabanlı konumudur. Sınıflandırma ve regresyon eğitiminde bu kolon hedef olarak kullanılır. K-means backend eğitiminde hedefi kullanmaz; buna rağmen mevcut hızlı analiz arayüzü çalıştırma düğmesini etkinleştirmek için bir çıktı kolonu seçilmesini ister.

Örnek

12. çıktı kolon kullanım tipi

ID 12 select TR: çıktı kolon kullanım tipi EN: output column usage type

Açıklama

Çıktının kategorik veya numerik hedef olarak nasıl yorumlanacağını belirler. Otomatik seçilirse proje kolon türü kullanılır. Kategorik çıktı sınıf etiketlerine çevrilir; numerik çıktı sayıya dönüştürülür ve regresyon modellerinin seçilmesini sağlar. Mevcut hızlı analiz kayıt üreticisi bu alanı otomatik olarak kaydeder.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	otomatik	auto	Türü proje kolon metadatasından belirler.
`1`	kategorik	categorical	Çıktıyı sınıf hedefi olarak yorumlar.
`2`	numerik	numeric	Çıktıyı numerik regresyon hedefi olarak yorumlar.

Örnek

                      0 — otomatik / auto

13. çıktı kolon seçeneği hedef kategori

ID 13 text TR: çıktı kolon seçeneği hedef kategori EN: output column option target category

Açıklama

İki seçenekli kategorik çıktıda pozitif sınıf olarak kabul edilecek başlıktır. Değer girilirse backend çıktı metnini bu başlıkla tam eşleşen satırlarda 1, diğer satırlarda 0 yapar; bu nedenle kaydedilen başlık datasetteki değerle aynı olmalıdır. Hızlı analiz ekranı alanı yalnızca tam iki seçenekli çıktıda gösterir ve seçeneğin görünen başlığını kaydeder.

Örnek

                      Evet

14. proje veri hazırlama sonrasında otomatik analiz

ID 14 select TR: proje veri hazırlama sonrasında otomatik analiz EN: automatic analysis after project data preparation

Açıklama

Projenin veri hazırlama süreci tamamlandıktan sonra bu tanım için otomatik makine öğrenmesi süreci oluşturulup oluşturulmayacağını belirler. Evet seçilirse otomatik analiz taraması tanımı seçer ve başla durumunda yeni bir süreç kaydı oluşturur; hayır seçilirse veri hazırlama sonrasında otomatik süreç oluşturulmaz. İncelenen seçici durum alanını ayrıca kontrol etmediği için otomatik çalışmayı kapatmanın doğrulanan yolu bu alanı hayır yapmaktır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	hayır	no	Veri hazırlama sonrasında otomatik süreç oluşturmaz.
`1`	evet	yes	Veri hazırlama sonrasında başla durumunda süreç oluşturur.

Örnek

                      1 — evet / yes

15. kolon filtre kuralı json

ID 15 textarea TR: kolon filtre kuralı json EN: column filter rule json

Açıklama

Hızlı analiz ekranındaki kolon filtrelerinden üretilen kural yapısını JSON olarak saklar. Arayüz dolu kuralları “ve” bağıyla birleştirir ve kolon indeksleri ile değerlerini kayda yazar. Ancak incelenen MLProcessAnalyzer sürümü alanı JSON olarak okumasına rağmen dataset satırlarını bu kuralla filtreleyen bir çağrı yapmaz; bu nedenle mevcut backend davranışında alanın doldurulması eğitime giren satırların değişeceği garantisini vermez.

Örnek

                      {"query_list":[…],"compile_str_array":["(",0,")"]}

Wanalyzer Project / Machine Learning / Process hakkında

WISDOMERA / WANALYZER

Wanalyzer Project / Machine Learning / Process

Manuel ve otomatik makine öğrenmesi çalıştırmalarını izler.

Süreç akışı

Süreç başla durumunda, güncel başlangıç ve son bilgilendirme tarihleriyle, sıfır sayaçlarla oluşturulur. Başla ve devam ediyor aktif izlenir; iptal ve tamamlandı izlemeyi bitirip sonuçları yeniler.

Katman ayrımı: Model, kalibrasyon yorumu ve sonuç metni dili süreç sonucu alt katmanında tutulur.

0. durum

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

0. durum

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 0 Tip: select TR: durum EN: status

Açıklama

Makine öğrenmesi analiz sürecinin yaşam döngüsü durumudur. Manuel veya otomatik tetiklemede kayıt başla değeriyle oluşturulur. Başla ya da devam ediyor seçilirse arayüz süreci aktif kabul ederek beş saniyede bir yeniler; iptal ya da tamamlandı seçilirse izleme durur ve süreç sonuçları yeniden okunur.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	iptal	cancel	Süreci aktif izleme kümesinden çıkarır ve sonuçların yenilenmesini sağlar.
`1`	başla	start	Yeni manuel veya otomatik süreç bu değerle oluşturulur ve aktif izlenir.
`2`	devam ediyor	continue	Yürütmenin sürdüğünü bildirir ve beş saniyelik izlemeyi devam ettirir.
`3`	tamamlandı	complete	Yürütmenin bittiğini bildirir, izlemeyi durdurur ve sonuçları yeniler.

Örnek


                        1 — başla / start

1. wanalyzer proje id

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

1. wanalyzer proje id

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 1 Tip: text TR: wanalyzer proje id EN: wanalyzer project id

Açıklama

Süreci sahibi olan Wanalyzer projesine bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa süreç proje, makine öğrenmesi tanımı ve süreç sırasından oluşan hiyerarşide saklanır; yanlış kimlik sonuçların başka proje bağlamında aranmasına ve yetkilendirme ilişkisinin bozulmasına yol açabilir.

Örnek


                        wp_01HXYZ…

2. makine öğrenmesi id

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

2. makine öğrenmesi id

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 2 Tip: text TR: makine öğrenmesi id EN: machine learning id

Açıklama

Süreci üreten makine öğrenmesi tanımının istemci kimliğidir. Süreç listesi bu kimliğin alt kayıtlarını okuduğu için doğru değer kullanılırsa çalışma ilgili model yapılandırmasının geçmişinde görünür; yanlış değer farklı bir tanımla ilişki kurar.

Örnek


                        ml_01HXYZ…

3. başlama tarihi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

3. başlama tarihi

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 3 Tip: datetime TR: başlama tarihi EN: start date

Açıklama

Sürecin oluşturulduğu başlangıç zamanıdır. Manuel ve otomatik oluşturma kodları bu alanı eşgüdümlü evrensel zamanla saniye hassasiyetinde doldurur; bitiş tarihi de kaydedilirse iki değer birlikte yaklaşık çalışma süresini verir.

Örnek


                        2026-10-25T09:30:00

4. bitiş tarihi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

4. bitiş tarihi

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 4 Tip: datetime TR: bitiş tarihi EN: end date

Açıklama

Makine öğrenmesi çalışmasının sona erdiği zamandır. Süreç tamamlandığında doldurulursa başlangıç tarihiyle birlikte çalışma aralığını açıklar; süreç çalışırken veya yürütücü tarih yazmadan sonlanmışsa boş kalabilir.

Örnek


                        2026-10-25T09:33:24

5. son bilgilendirme tarihi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

5. son bilgilendirme tarihi

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 5 Tip: datetime TR: son bilgilendirme tarihi EN: last information date

Açıklama

Sürecin en son ne zaman ilerleme bilgisi verdiğini gösterir. Kayıt oluşturulurken başlangıç tarihiyle aynı değer atanır; yürütücü ilerledikçe güncellerse canlılık göstergesi olur, uzun süre değişmezse süreç gecikmiş veya durmuş olabilir.

Örnek


                        2026-10-25T09:31:10

6. durdurma tarihi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

6. durdurma tarihi

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 6 Tip: datetime TR: durdurma tarihi EN: stop date

Açıklama

Sürecin durdurulduğu veya iptal edildiği zamanı saklar. İptal durumuyla birlikte doldurulursa çalışmanın ne zaman sonlandırıldığını açıklar; bu alanın tek başına dolu olması arayüz izlemeyi bitirmez, çünkü izleme kararı durum değerine göre verilir.

Örnek


                        2026-10-25T09:31:42

7. satır adedi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

7. satır adedi

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 7 Tip: integer TR: satır adedi EN: row count

Açıklama

Makine öğrenmesi çalışmasının ilişkilendirildiği veya işlediği dataset satırı sayısını tutar. Süreç oluşturulurken sıfır atanır; yürütücü güncelledikçe eğitim ya da analiz kapsamını gösterir. Sıfır değer süreç henüz yeni başlatılmış olabileceği için tek başına hata anlamına gelmez.

Örnek

8. sonuç toplam adet

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

8. sonuç toplam adet

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 8 Tip: integer TR: sonuç toplam adet EN: result total count

Açıklama

Süreç altında üretilen makine öğrenmesi sonuç kayıtlarının toplam sayısını tutar. Kayıt oluşturulurken sıfır atanır; yürütücü sonuçları alt katmana yazdıkça güncellerse beklenen sonuç hacmini gösterir. Ayrıntılı model, ölçüm ve yorum verileri bu sayaçta değil sonuç alt katmanındadır.

Örnek

9. log

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS

9. log

Makine öğrenmesi süreci davranışı ve çalışma ilişkileri

ID: 9 Tip: textarea TR: log EN: log

Açıklama

Sürecin tetiklenme biçimini, ilerleme notlarını ve hata açıklamalarını taşıyan metindir. Manuel tetikleme yetkilendirme veya kredi çalışma biçimini, otomatik tetikleme ise proje veri hazırlaması sonrası otomatik analiz notunu yazar; bu nedenle log sürecin neden ve nasıl başlatıldığını ayırt etmeyi sağlar.

Örnek


                        Automatic machine learning analysis after project data preparation

Wanalyzer Project / Machine Learning / Process / Result hakkında

WISDOMERA / WANALYZER

Wanalyzer Project / Machine Learning / Process / Result

Eğitilmiş modeli, performans ölçülerini, tabloları ve yorumları saklar.

Sonuç akışı

Model türü ilgili sınıflandırma, regresyon veya kümeleme ölçülerinin yorumunu belirler. Çapraz doğrulama genelleme kararlılığını, kalibrasyon olasılık güvenilirliğini açıklar.

Güvenlik ve bağımlılık: Pickle yalnız güvenilir sistem çıktısından yüklenmelidir. Kolon indeksleri proje sırasına ve tablo görünümleri geçerli JSON yapısına bağlıdır.

0. durum

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

0. durum

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 0 Tip: select TR: durum EN: status

Açıklama

Sonuç kaydının durum alanıdır. Kullanıcı tarafından durum seçenekleri verilmediği ve incelenen sonuç görünümü bu alana göre filtre uygulamadığı için belirli değerlerin aktiflik davranışı varsayılmamıştır; alan sonuç üreticisinin yazdığı durum bilgisini taşır.

Örnek


                        completed

1. wanalyzer proje id

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

1. wanalyzer proje id

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 1 Tip: text TR: wanalyzer proje id EN: wanalyzer project id

Açıklama

Sonucu ilgili Wanalyzer projesine bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa sonuç proje → makine öğrenmesi → süreç → sonuç hiyerarşisinde bulunur; yanlış kimlik listeleme, yetkilendirme veya tahmin için model bulma işlemini farklı bağlama yönlendirebilir.

Örnek


                        wp_01HXYZ…

2. makine öğrenmesi id

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

2. makine öğrenmesi id

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 2 Tip: text TR: makine öğrenmesi id EN: machine learning id

Açıklama

Sonucu ilgili makine öğrenmesi tanımına bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa sonuç proje → makine öğrenmesi → süreç → sonuç hiyerarşisinde bulunur; yanlış kimlik listeleme, yetkilendirme veya tahmin için model bulma işlemini farklı bağlama yönlendirebilir.

Örnek


                        ml_01HXYZ…

3. proses id

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

3. proses id

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 3 Tip: text TR: proses id EN: process id

Açıklama

Sonucu ilgili makine öğrenmesi sürecine bağlayan istemci kimliğidir. Doğru kimlik kullanılırsa sonuç proje → makine öğrenmesi → süreç → sonuç hiyerarşisinde bulunur; yanlış kimlik listeleme, yetkilendirme veya tahmin için model bulma işlemini farklı bağlama yönlendirebilir.

Örnek


                        process_01HXYZ…

4. başlama tarihi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

4. başlama tarihi

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 4 Tip: datetime TR: başlama tarihi EN: start date

Açıklama

Model sonucunun üretilmeye başladığı zamandır. Bitiş tarihiyle birlikte eğitim ve değerlendirme süresinin yaklaşık hesabını sağlar.

Örnek


                        2026-10-25T09:30:00

5. bitiş tarihi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

5. bitiş tarihi

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 5 Tip: datetime TR: bitiş tarihi EN: end date

Açıklama

Model sonucunun üretilmesinin bittiği zamandır. Başlangıç tarihiyle birlikte çalışma aralığını verir; boşsa üretim tamamlanmamış veya tarih yazılmamış olabilir.

Örnek


                        2026-10-25T09:34:12

6. model

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

6. model

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 6 Tip: select TR: model EN: model

Açıklama

Sonucu üreten model ailesidir. Bu seçim sınıflandırma, regresyon veya kümeleme metriklerinin yorum bağlamını belirler; örneğin doğruluk sınıflandırmada, R² ve hata ölçüleri regresyonda, silhouette ile Calinski–Harabasz ve Davies–Bouldin ölçüleri kümelemede anlam kazanır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	lojistik regresyon	logistic regression	Sonucun bu model ailesiyle üretildiğini belirtir.
`1`	lineer regresyon	linear regression	Sonucun bu model ailesiyle üretildiğini belirtir.
`2`	destek vektör makinası	support vector machine	Sonucun bu model ailesiyle üretildiğini belirtir.
`3`	K-means (kümeleme)	k means	Sonucun bu model ailesiyle üretildiğini belirtir.
`4`	rassal ormanlar	random forest	Sonucun bu model ailesiyle üretildiğini belirtir.
`5`	karar ağacı	decision tree	Sonucun bu model ailesiyle üretildiğini belirtir.
`6`	k en yakın komşu	k nearest neighbor	Sonucun bu model ailesiyle üretildiğini belirtir.

Örnek


                        0 — logistic regression

7. girdi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

7. girdi

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 7 Tip: list_parameter TR: girdi EN: input

Açıklama

Modelin girdi olarak kullandığı proje kolonlarını taşıyan listedir. Her öğe 8 numaralı sıfır tabanlı kolon indeksini içerir; kolon sırası değişirse eğitimde kullanılan değişken adı yanlış çözülebileceği için eşleştirmeler yeniden kontrol edilmelidir.

Örnek


                        age, income

8. girdi kolon indeksi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

8. girdi kolon indeksi

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 8 Tip: integer TR: girdi kolon indeksi EN: input column index

Açıklama

Modelin girdi rolünde kullandığı proje kolonunun sıfır tabanlı indeksidir. Arayüz geçmiş başlığında kolon adını bu indeksle çözer; sıra değişirse eski sonuç farklı bir kolon adıyla gösterilebilir.

Örnek

9. çıktı column index

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

9. çıktı column index

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 9 Tip: integer TR: çıktı column index EN: output column index

Açıklama

Modelin çıktı rolünde kullandığı proje kolonunun sıfır tabanlı indeksidir. Arayüz geçmiş başlığında kolon adını bu indeksle çözer; sıra değişirse eski sonuç farklı bir kolon adıyla gösterilebilir. Denetimsiz kümeleme modellerinde tanımlı bir çıktı kolonu bulunmayabilir.

Örnek

10. model pickle

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

10. model pickle

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 10 Tip: textarea TR: model pickle EN: model pickle

Açıklama

Eğitilmiş model nesnesinin serileştirilmiş pickle verisidir. Tahmin kodu bu alanı önce Base64, sonra byte gösterimi, son olarak Latin-1 uyumlu metin olarak çözmeyi deneyip pickle ile yükler; yükleme başarısızsa eğitilmiş model bulunamaz. Pickle güvenilir olmayan kaynaktan gelen kod çalıştırabilir, bu nedenle yalnız güvenilir sistem üretimi veri saklanmalıdır.

Örnek


                        gASV…

11. test veri oranı

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

11. test veri oranı

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 11 Tip: float TR: test veri oranı EN: test data ratio

Açıklama

Verinin değerlendirme için ayrılan bölümünün toplam veriye oranıdır. Oran büyüdükçe test ölçümleri daha fazla gözleme dayanır ancak eğitim için daha az veri kalır; oran küçüldükçe model daha fazla veriyle eğitilir fakat değerlendirme belirsizliği artabilir.

Örnek


                        0.20

12. doğruluk

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

12. doğruluk

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 12 Tip: float TR: doğruluk EN: accuracy

Açıklama

Sınıflandırmada doğru tahminlerin tüm tahminlere oranıdır. Sınıflar dengesizse yüksek doğruluk azınlık sınıfındaki zayıf performansı gizleyebileceği için kesinlik, duyarlılık, F-skoru ve konfüzyon matrisiyle birlikte yorumlanmalıdır.

Örnek


                        0.91

13. roc auc

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

13. roc auc

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 13 Tip: float TR: roc auc EN: roc auc

Açıklama

Sınıflandırma modelinin sınıfları farklı eşiklerde ayırma yeteneğini özetleyen alıcı işletim karakteristiği eğrisi altındaki alandır. Daha yüksek değer genel ayrımı güçlendirir; ancak sınıf dengesi, kalibrasyon ve kullanım eşiği ayrıca değerlendirilmelidir.

Örnek


                        0.94

14. kesinlik (binary)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

14. kesinlik (binary)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 14 Tip: float TR: kesinlik (binary) EN: precision (binary)

Açıklama

kesinlik ölçüsünün ikili sınıflandırmanın pozitif sınıfını hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.90

15. kesinlik (micro)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

15. kesinlik (micro)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 15 Tip: float TR: kesinlik (micro) EN: precision (micro)

Açıklama

kesinlik ölçüsünün tüm sınıfların kararlarını ortak toplam üzerinden hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.91

16. kesinlik (macro)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

16. kesinlik (macro)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 16 Tip: float TR: kesinlik (macro) EN: precision (macro)

Açıklama

kesinlik ölçüsünün her sınıfı eşit ağırlıkla hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.89

17. kesinlik (ağırlıklı)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

17. kesinlik (ağırlıklı)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 17 Tip: float TR: kesinlik (ağırlıklı) EN: precision (weighted)

Açıklama

kesinlik ölçüsünün her sınıfı gözlem sayısıyla ağırlıklandırarak hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.90

18. duyarlılık (binary)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

18. duyarlılık (binary)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 18 Tip: float TR: duyarlılık (binary) EN: recall (binary)

Açıklama

duyarlılık ölçüsünün ikili sınıflandırmanın pozitif sınıfını hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.88

19. duyarlılık (micro)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

19. duyarlılık (micro)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 19 Tip: float TR: duyarlılık (micro) EN: recall (micro)

Açıklama

duyarlılık ölçüsünün tüm sınıfların kararlarını ortak toplam üzerinden hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.91

20. duyarlılık (macro)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

20. duyarlılık (macro)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 20 Tip: float TR: duyarlılık (macro) EN: recall (macro)

Açıklama

duyarlılık ölçüsünün her sınıfı eşit ağırlıkla hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.87

21. duyarlılık (ağırlıklı)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

21. duyarlılık (ağırlıklı)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 21 Tip: float TR: duyarlılık (ağırlıklı) EN: recall (weighted)

Açıklama

duyarlılık ölçüsünün her sınıfı gözlem sayısıyla ağırlıklandırarak hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.89

22. f-skoru (binary)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

22. f-skoru (binary)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 22 Tip: float TR: f-skoru (binary) EN: f-score (binary)

Açıklama

F-skoru ölçüsünün ikili sınıflandırmanın pozitif sınıfını hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.89

23. f-skoru (micro)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

23. f-skoru (micro)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 23 Tip: float TR: f-skoru (micro) EN: f-score (micro)

Açıklama

F-skoru ölçüsünün tüm sınıfların kararlarını ortak toplam üzerinden hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.91

24. f-skoru (macro)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

24. f-skoru (macro)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 24 Tip: float TR: f-skoru (macro) EN: f-score (macro)

Açıklama

F-skoru ölçüsünün her sınıfı eşit ağırlıkla hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.88

25. f-skoru (ağırlıklı)

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

25. f-skoru (ağırlıklı)

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 25 Tip: float TR: f-skoru (ağırlıklı) EN: f-score (weighted)

Açıklama

F-skoru ölçüsünün her sınıfı gözlem sayısıyla ağırlıklandırarak hesaplanan değeridir. Değer büyüdükçe ilgili değerlendirme biçimindeki performans artar; hangi ortalamanın raporlandığı sınıf dengesine göre sonucu değiştirdiği için diğer sürümlerle karıştırılmamalıdır.

Örnek


                        0.89

26. r2 skoru

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

26. r2 skoru

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 26 Tip: float TR: r2 skoru EN: r2 score

Açıklama

Regresyon modelinin hedef değişkendeki varyansı açıklama düzeyini gösteren R² skorudur. Değer 1’e yaklaştıkça uyum artar; sıfır civarı modelin ortalama tahminden üstün olmadığını, negatif değer ise daha kötü olabileceğini gösterir.

Örnek


                        0.82

27. çapraz doğrulama yöntemi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

27. çapraz doğrulama yöntemi

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 27 Tip: text TR: çapraz doğrulama yöntemi EN: cross-validation method

Açıklama

Çapraz doğrulamada kullanılan bölme yönteminin adıdır. Yöntem veri yapısına uygun seçilirse ölçümler daha güvenilir genelleme tahmini verir; zaman, grup veya sınıf yapısını göz ardı eden yöntem veri sızıntısına yol açabilir.

Örnek


                        StratifiedKFold

28. çapraz doğrulama kat sayısı

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

28. çapraz doğrulama kat sayısı

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 28 Tip: integer TR: çapraz doğrulama kat sayısı EN: cross-validation fold count

Açıklama

Çapraz doğrulamada verinin kaç kata ayrıldığını belirtir. Kat sayısı arttıkça daha fazla eğitim–doğrulama tekrarı oluşur ve işlem maliyeti yükselir; değer örnek sayısını aşmamalıdır.

Örnek

29. çapraz doğrulama doğruluk skorları

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

29. çapraz doğrulama doğruluk skorları

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 29 Tip: text TR: çapraz doğrulama doğruluk skorları EN: cross-validation accuracy scores

Açıklama

Her çapraz doğrulama katında hesaplanan doğruluk değerlerini taşıyan metindir. Tek tek skorlar ortalama kadar katlar arasındaki değişkenliği de görmeyi sağlar; değerlerin sayısı kat sayısıyla uyumlu olmalıdır.

Örnek


                        [0.89, 0.91, 0.90, 0.92, 0.88]

30. çapraz doğrulama doğruluk ortalaması

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

30. çapraz doğrulama doğruluk ortalaması

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 30 Tip: float TR: çapraz doğrulama doğruluk ortalaması EN: cross-validation mean accuracy

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama doğruluk ortalaması değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.90

31. çapraz doğrulama doğruluk standart sapması

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

31. çapraz doğrulama doğruluk standart sapması

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 31 Tip: float TR: çapraz doğrulama doğruluk standart sapması EN: cross-validation accuracy standard deviation

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama doğruluk standart sapması değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.014

32. çapraz doğrulama maksimum doğruluk

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

32. çapraz doğrulama maksimum doğruluk

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 32 Tip: float TR: çapraz doğrulama maksimum doğruluk EN: cross-validation maximum accuracy

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama maksimum doğruluk değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.92

33. çapraz doğrulama minimum doğruluk

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

33. çapraz doğrulama minimum doğruluk

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 33 Tip: float TR: çapraz doğrulama minimum doğruluk EN: cross-validation minimum accuracy

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama minimum doğruluk değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.88

34. çapraz doğrulama roc auc ortalaması

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

34. çapraz doğrulama roc auc ortalaması

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 34 Tip: float TR: çapraz doğrulama roc auc ortalaması EN: cross-validation mean roc auc

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama roc auc ortalaması değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.93

35. çapraz doğrulama roc auc standart sapması

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

35. çapraz doğrulama roc auc standart sapması

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 35 Tip: float TR: çapraz doğrulama roc auc standart sapması EN: cross-validation roc auc standard deviation

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama roc auc standart sapması değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.012

36. çapraz doğrulama r2 ortalaması

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

36. çapraz doğrulama r2 ortalaması

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 36 Tip: float TR: çapraz doğrulama r2 ortalaması EN: cross-validation mean r2

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama r2 ortalaması değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.80

37. çapraz doğrulama r2 standart sapması

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

37. çapraz doğrulama r2 standart sapması

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 37 Tip: float TR: çapraz doğrulama r2 standart sapması EN: cross-validation r2 standard deviation

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama r2 standart sapması değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.03

38. çapraz doğrulama maksimum r2

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

38. çapraz doğrulama maksimum r2

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 38 Tip: float TR: çapraz doğrulama maksimum r2 EN: cross-validation maximum r2

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama maksimum r2 değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.84

39. çapraz doğrulama minimum r2

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

39. çapraz doğrulama minimum r2

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 39 Tip: float TR: çapraz doğrulama minimum r2 EN: cross-validation minimum r2

Açıklama

Çapraz doğrulama tekrarlarından elde edilen çapraz doğrulama minimum r2 değeridir. Tek bir test bölmesinden farklı olarak katlar arasındaki genelleme davranışını özetler; ortalama performans, standart sapma kararlılık, minimum ve maksimum değerler ise en kötü ve en iyi katları gösterir.

Örnek


                        0.76

40. kalibrasyon brier skoru

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

40. kalibrasyon brier skoru

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 40 Tip: float TR: kalibrasyon brier skoru EN: calibration brier score

Açıklama

Olasılık tahminlerinin gerçekleşen sonuçlardan karesel uzaklığını ölçen Brier skorudur. Daha düşük değer daha iyi olasılık kalibrasyonunu gösterir; skor sınıf oranı ve model ayrım gücüyle birlikte değerlendirilmelidir.

Örnek


                        0.08

41. kalibrasyon yorumu

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

41. kalibrasyon yorumu

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 41 Tip: select TR: kalibrasyon yorumu EN: calibration interpretation

Açıklama

Brier skoru ve analiz kurallarından üretilen okunabilir kalibrasyon sınıfıdır. İyi, orta veya kötü seçimi olasılık tahminlerinin güvenilirliğini özetler; sayısal Brier skoru bulunmadan tek başına kesin model karşılaştırması için kullanılmamalıdır.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	iyi	good	Kalibrasyonun iyi olarak sınıflandırıldığını belirtir.
`1`	orta	moderate	Kalibrasyonun orta olarak sınıflandırıldığını belirtir.
`2`	kötü	poor	Kalibrasyonun kötü olarak sınıflandırıldığını belirtir.

Örnek


                        0 — iyi / good

42. silhouette skoru

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

42. silhouette skoru

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 42 Tip: float TR: silhouette skoru EN: silhouette score

Açıklama

Kümeleme sonucunun Silhouette skorudur. Genel olarak yüksek değer kümelerin kendi içinde sıkı ve birbirinden ayrık olduğunu gösterir; farklı veri ölçekleri ve küme sayıları karşılaştırılırken aynı hazırlama koşulları kullanılmalıdır.

Örnek


                        0.61

43. calinski-harabasz skoru

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

43. calinski-harabasz skoru

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 43 Tip: float TR: calinski-harabasz skoru EN: calinski-harabasz score

Açıklama

Kümeleme sonucunun Calinski–Harabasz skorudur. Genel olarak yüksek değer kümeler arası ayrımın küme içi saçılmaya göre güçlü olduğunu gösterir; farklı veri ölçekleri ve küme sayıları karşılaştırılırken aynı hazırlama koşulları kullanılmalıdır.

Örnek


                        420.5

44. davies-bouldin skoru

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

44. davies-bouldin skoru

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 44 Tip: float TR: davies-bouldin skoru EN: davies-bouldin score

Açıklama

Kümeleme sonucunun Davies–Bouldin skorudur. Genel olarak düşük değer kümelerin daha iyi ayrıldığını gösterir; farklı veri ölçekleri ve küme sayıları karşılaştırılırken aynı hazırlama koşulları kullanılmalıdır.

Örnek


                        0.72

45. ortalama mutlak hata

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

45. ortalama mutlak hata

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 45 Tip: float TR: ortalama mutlak hata EN: mean absolute error

Açıklama

Regresyon tahminlerinin ortalama mutlak hatadır. Daha düşük değer daha iyi uyumu gösterir ve hataların mutlak büyüklüğünü özgün hedef biriminde ifade eder; farklı hedef ölçeklerindeki modeller doğrudan karşılaştırılmamalıdır.

Örnek

3.2

46. ortalama karesel hata

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

46. ortalama karesel hata

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 46 Tip: float TR: ortalama karesel hata EN: mean squared error

Açıklama

Regresyon tahminlerinin ortalama karesel hatadır. Daha düşük değer daha iyi uyumu gösterir ve büyük hataları karesini alarak daha güçlü ifade eder; farklı hedef ölçeklerindeki modeller doğrudan karşılaştırılmamalıdır.

Örnek


                        18.4

47. kök ortalama karesel hata

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

47. kök ortalama karesel hata

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 47 Tip: float TR: kök ortalama karesel hata EN: root mean squared error

Açıklama

Regresyon tahminlerinin kök ortalama karesel hatadır. Daha düşük değer daha iyi uyumu gösterir ve büyük hataları güçlü cezalandırırken sonucu hedef birimine geri ifade eder; farklı hedef ölçeklerindeki modeller doğrudan karşılaştırılmamalıdır.

Örnek


                        4.29

48. özellik önemi

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

48. özellik önemi

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 48 Tip: text TR: özellik önemi EN: feature importance

Açıklama

Girdi değişkenlerinin model tahminine katkısını taşıyan metindir. Değerler model türüne özgü katsayı veya önem ölçüsü olabileceği için büyüklük ve işaret yalnız ilgili model yöntemiyle birlikte yorumlanmalı, nedensellik kanıtı olarak görülmemelidir.

Örnek


                        {"age":0.42,"income":0.31}

49. uyarı

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

49. uyarı

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 49 Tip: text TR: uyarı EN: warning

Açıklama

Eğitim veya değerlendirme sırasında oluşan veri, model ya da metrik sınırlamasını açıklayan uyarıdır. Alan doluysa arayüz dikkat çekici bir uyarı bloğu gösterir; sonuç kullanılmadan önce uyarının etkisi değerlendirilmelidir.

Örnek


                        Azınlık sınıfında örnek sayısı düşüktür.

50. konfüzyon matrix json

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

50. konfüzyon matrix json

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 50 Tip: textarea TR: konfüzyon matrix json EN: confusion matrix json

Açıklama

Sınıflandırmanın gerçek ve tahmin edilen sınıf adetlerini taşıyan konfüzyon matrisi JSON verisidir. Arayüz matrix veya values dizisini, isteğe bağlı labels, columns ve row_labels alanlarıyla işler; etiket yoksa sıfır tabanlı sıra üretir, geçersiz matris varsa görünüm oluşturmaz.

Örnek


                        {"matrix":[[52,4],[7,57]],"labels":["No","Yes"]}

51. tablo

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

51. tablo

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 51 Tip: list_parameter TR: tablo EN: table

Açıklama

Sonuçla birlikte gösterilecek tablo tanımlarının listesidir. Her öğe 52 numaralı başlıkla 53 numaralı JSON verisini taşır; geçerli kolon ve satırlar varsa arayüz tabloyu gösterir ve makale içeriğine eklenmesine izin verir.

Örnek


                        Model coefficients

52. tablo adı

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

52. tablo adı

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 52 Tip: textarea TR: tablo adı EN: table name

Açıklama

Sonuç tablosunun kullanıcıya gösterilen başlığıdır. Boş bırakılırsa arayüz tablo parametresinin adını ve sıra numarasını kullanarak yedek başlık üretir; açıklayıcı ad farklı tabloların ayrılmasını sağlar.

Örnek


                        Model Katsayıları

53. tablo json

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

53. tablo json

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 53 Tip: select TR: tablo json EN: table json

Açıklama

Tablonun veri yapısını taşıyan JSON değeridir. Arayüz columns ve rows nesnesini, nesne dizisini veya ilk satırı başlık olan iki boyutlu diziyi kabul eder; bu biçimlerden biri sağlanmazsa tablo gösterilmez.

Örnek


                        {"columns":["variable","coefficient"],"rows":[["age",0.42]]}

54. sonuç metni

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

54. sonuç metni

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 54 Tip: list_parameter TR: sonuç metni EN: result text

Açıklama

Aynı sonuç için farklı dillerde okunabilir yorumlar taşıyan listedir. Her öğe 55 numaralı içerikle 56 numaralı dili birlikte saklar; arayüz mevcut dile uyan metni seçer, eşleşme yoksa ilk öğeyi gösterir.

Örnek


                        Türkçe ve İngilizce yorum

55. sonuç metni içerik

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

55. sonuç metni içerik

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 55 Tip: textarea TR: sonuç metni içerik EN: result text content

Açıklama

Sonuç metni listesindeki okunabilir yorum içeriğidir. Model başarısını, sınırlamaları ve kullanım koşullarını metriklerle tutarlı açıklarsa kullanıcı ham değerleri doğru bağlamda değerlendirebilir.

Örnek


                        Model test verisinde yüksek ayırt etme başarısı gösterdi.

56. sonuç metni dili

WISDOMERA / WANALYZER PROJECT / MACHINE LEARNING / PROCESS / RESULT

56. sonuç metni dili

Makine öğrenmesi sonucunun hesaplama ve kullanım ilişkileri

ID: 56 Tip: select TR: sonuç metni dili EN: result text language

Açıklama

Sonuç metni öğesinin Türkçe veya İngilizce dil kodudur. Doğru kod seçilirse arayüz kullanıcının diliyle eşleşen içeriği gösterir; yanlış kod metnin başka dil seçeneği altında görünmesine neden olur.

Seçenekler

Değer	Türkçe	İngilizce	Davranış
`0`	tr	tr	Metnin Türkçe sürüm olduğunu belirtir.
`1`	en	en	Metnin İngilizce sürüm olduğunu belirtir.

Örnek


                        0 — tr