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.
durum
durum select

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 ve kullanım amaçları
0 — pasif
İstatistik tanımını pasif olarak kaydeder.
1 — aktif
İstatistik tanımını aktif olarak kaydeder.
Örnek: 1 — aktif / active
Örnek:
statistics_config['status'] = '1'
Parametre ID: 0
wanalyzer proje id
wanalyzer proje id text

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…
Örnek:
statistics_config['wanalyzer_project_id'] = ''
Parametre ID: 1
adı
adı text

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
Örnek:
statistics_config['name'] = ''
Parametre ID: 2
açıklama
açıklama textarea

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.
Örnek:
statistics_config['note'] = ''
Parametre ID: 3
analiz tipi
analiz tipi select

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 ve kullanım amaçları
0 — tanımlayıcı
Seçilen kolonlar için tanımlayıcı sonuçlar üretir.
1 — karşılaştırma
Bağımsız ve bağımlı değişkenlerle karşılaştırma tasarlar.
2 — önce & sonra karşılaştırma
Eşleştirilmiş iki kolon arasında önce–sonra analizi tasarlar.
3 — cronbach alpha
Seçilen değişkenler için Cronbach alpha analizi tasarlar.
Örnek: 1 — karşılaştırma / cross columns
Örnek:
statistics_config['analyze_type'] = '1'
Parametre ID: 4
tanımlayıcı kolon seçim tipi
tanımlayıcı kolon seçim tipi select

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 ve kullanım amaçları
0 — manuel kolon seçimi
Yalnız listeye eklenen kolonları kullanır.
1 — tüm kolonlar
Bütün uygun kolonları seçer.
2 — tüm sayısal kolonlar
Sayısal kolonları seçer.
3 — tüm kategorik kolonlar
Kategorik kolonları seçer.
Örnek: 0 — manuel kolon seçimi / manuel column selection
Örnek:
statistics_config['descriptive_column_selection_type'] = '0'
Parametre ID: 5
tanımlayıcı seçilen kolon
tanımlayıcı seçilen kolon list_parameter

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
Örnek:
statistics_config['descriptive_selected_column'] = [{'descriptive_selected_column_index': '', 'descriptive_selected_column_usage_type': '0'}]
Parametre ID: 6
tanımlayıcı seçilen kolon indeks
tanımlayıcı seçilen kolon indeks text

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: 2
Örnek:
statistics_config['descriptive_selected_column'][0]['descriptive_selected_column_index'] = ''
Parametre ID: 7
tanımlayıcı seçilen kolon kullanım tipi
tanımlayıcı seçilen kolon kullanım tipi select

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 ve kullanım amaçları
0 — otomatik
Kolon tipinin otomatik değerlendirilmesini ister.
1 — kategorik
Kolonu kategorik değişken olarak kullanır.
2 — numerik
Kolonu sayısal değişken olarak kullanır.
Örnek: 2 — numerik / numeric
Örnek:
statistics_config['descriptive_selected_column'][0]['descriptive_selected_column_usage_type'] = '2'
Parametre ID: 8
anlamlılık p değeri
anlamlılık p değeri float

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
Örnek:
statistics_config['significance_p_value'] = ''
Parametre ID: 9
karşılaştırma çok boyutlu
karşılaştırma çok boyutlu select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 0 — hayır / no
Örnek:
statistics_config['comparison_multi_dimension'] = '0'
Parametre ID: 10
bağımsız değişken kolonu
bağımsız değişken kolonu list_parameter

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
Örnek:
statistics_config['independent_variable_column'] = [{'independent_variable_column_index': '', 'independent_variable_column_usage_type': '0'}]
Parametre ID: 11
bağımsız değişken kolon indeks
bağımsız değişken kolon indeks text

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: 2
Örnek:
statistics_config['independent_variable_column'][0]['independent_variable_column_index'] = ''
Parametre ID: 12
bağımsız değişken kolon kullanım tipi
bağımsız değişken kolon kullanım tipi select

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 ve kullanım amaçları
0 — otomatik
Kolon tipinin otomatik değerlendirilmesini ister.
1 — kategorik
Kolonu kategorik değişken olarak kullanır.
2 — numerik
Kolonu sayısal değişken olarak kullanır.
Örnek: 2 — numerik / numeric
Örnek:
statistics_config['independent_variable_column'][0]['independent_variable_column_usage_type'] = '2'
Parametre ID: 13
bağımlı değişken kolonu
bağımlı değişken kolonu list_parameter

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
Örnek:
statistics_config['dependent_variable_column'] = [{'dependent_variable_column_index': '', 'dependent_variable_column_usage_type': '0', 'dependent_variable_column_option_target_category': ''}]
Parametre ID: 14
bağımlı değişken kolon indeks
bağımlı değişken kolon indeks text

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: 7
Örnek:
statistics_config['dependent_variable_column'][0]['dependent_variable_column_index'] = ''
Parametre ID: 15
bağımlı değişken kolon kullanım tipi
bağımlı değişken kolon kullanım tipi select

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 ve kullanım amaçları
0 — otomatik
Kolon tipinin otomatik değerlendirilmesini ister.
1 — kategorik
Kolonu kategorik değişken olarak kullanır.
2 — numerik
Kolonu sayısal değişken olarak kullanır.
Örnek: 1 — kategorik / categorical
Örnek:
statistics_config['dependent_variable_column'][0]['dependent_variable_column_usage_type'] = '1'
Parametre ID: 16
bağımlı değişken kolon seçeneği hedef kategori
bağımlı değişken kolon seçeneği hedef kategori text

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

Örnek: success
Örnek:
statistics_config['dependent_variable_column'][0]['dependent_variable_column_option_target_category'] = ''
Parametre ID: 17
otomatik karşılaştırma değişken kolonu
otomatik karşılaştırma değişken kolonu list_parameter

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
Örnek:
statistics_config['auto_comparison_variable_column'] = [{'auto_comparison_variable_column_index': '', 'auto_comparison_variable_column_usage_type': '0'}]
Parametre ID: 18
otomatik karşılaştırma kolon indeks
otomatik karşılaştırma kolon indeks text

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: 4
Örnek:
statistics_config['auto_comparison_variable_column'][0]['auto_comparison_variable_column_index'] = ''
Parametre ID: 19
otomatik karşılaştırma kolon kullanım tipi
otomatik karşılaştırma kolon kullanım tipi select

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 ve kullanım amaçları
0 — otomatik
Kolon tipinin otomatik değerlendirilmesini ister.
1 — kategorik
Kolonu kategorik değişken olarak kullanır.
2 — numerik
Kolonu sayısal değişken olarak kullanır.
Örnek: 0 — otomatik / auto
Örnek:
statistics_config['auto_comparison_variable_column'][0]['auto_comparison_variable_column_usage_type'] = '0'
Parametre ID: 20
karşılaştırmalı test
karşılaştırmalı test list_parameter

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
Örnek:
statistics_config['comparison_test'] = [{'comparison_test_name': '', 'before_analyze_check_type': '0', 'total_sample_count_check_type': '', 'total_sample_count': '', 'group_sample_count_check_type': '', 'group_sample_count': '', 'data_distribution_test_usage_type': '', 'data_distribution_skewness_usage': '', 'data_distribution_skewness_value': '', 'data_distribution_kurtosis_usage': '', 'data_distribution_kurtosis_value': '', 'data_distribution_shapiro_wilk_usage': '', 'data_distribution_kolmogorov_smirnov_usage': '', 'independent_variable_usage_type': ''}]
Parametre ID: 21
karşılaştırmalı test adı
karşılaştırmalı test adı select

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 ve kullanım amaçları
0 — oneway anova
Bu testi karşılaştırma tanımına ekler.
1 — kikare
Bu testi karşılaştırma tanımına ekler.
2 — fisher exact
Bu testi karşılaştırma tanımına ekler.
3 — pearson korelasyon
Bu testi karşılaştırma tanımına ekler.
4 — spearman korelasyon
Bu testi karşılaştırma tanımına ekler.
5 — lojistik regresyon
Bu testi karşılaştırma tanımına ekler.
6 — lineer regresyon
Bu testi karşılaştırma tanımına ekler.
7 — kruskal wallis
Bu testi karşılaştırma tanımına ekler.
8 — mann whitney u
Bu testi karşılaştırma tanımına ekler.
9 — bağımsız örneklemler student t-test
Bu testi karşılaştırma tanımına ekler.
10 — welch t test
Bu testi karşılaştırma tanımına ekler.
Örnek: 9 — independent samples student t-test
Örnek:
statistics_config['comparison_test'][0]['comparison_test_name'] = '9'
Parametre ID: 22
analiz öncesi kontrol tipi
analiz öncesi kontrol tipi select

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 ve kullanım amaçları
0 — kontrol yapılmasın
Testten önce bu kontrol bileşimini uygular.
1 — sadece toplam örnek sayısı
Testten önce bu kontrol bileşimini uygular.
2 — sadece her bir gruba ait örnek sayısı
Testten önce bu kontrol bileşimini uygular.
3 — sadece tüm örneklere ait veri dağılımı
Testten önce bu kontrol bileşimini uygular.
4 — sadece her bir gruba ait veri dağılımı
Testten önce bu kontrol bileşimini uygular.
5 — tüm örneklere ait hem örnek sayısı hem de veri dağılımı
Testten önce bu kontrol bileşimini uygular.
6 — her bir gruba ait hem örnek sayısı hem de veri dağılımı
Testten önce bu kontrol bileşimini uygular.
7 — tüm örneklere ait örnek sayısı veya veri dağılımı
Testten önce bu kontrol bileşimini uygular.
8 — her bir gruba ait örnek sayısı veya veri dağılımı
Testten önce bu kontrol bileşimini uygular.
Örnek: 5
Örnek:
statistics_config['comparison_test'][0]['before_analyze_check_type'] = '5'
Parametre ID: 23
toplam örnek sayısı kontrol tipi
toplam örnek sayısı kontrol tipi select

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

Seçenekler ve kullanım amaçları
0 — küçüktür
Gerçek sayının eşik değerden küçük olmasını sınar.
1 — küçük eşittir
Gerçek sayının eşikten küçük veya eşit olmasını sınar.
2 — büyüktür
Gerçek sayının eşikten büyük olmasını sınar.
3 — büyük eşittir
Gerçek sayının eşikten büyük veya eşit olmasını sınar.
Örnek: 3 — büyük eşittir / bigger and equal
Örnek:
statistics_config['comparison_test'][0]['total_sample_count_check_type'] = '3'
Parametre ID: 24
toplam örnek sayısı
toplam örnek sayısı integer

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

Örnek: 30
Örnek:
statistics_config['comparison_test'][0]['total_sample_count'] = ''
Parametre ID: 25
grup örnek sayısı kontrol tipi
grup örnek sayısı kontrol tipi select

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

Seçenekler ve kullanım amaçları
0 — küçüktür
Gerçek sayının eşik değerden küçük olmasını sınar.
1 — küçük eşittir
Gerçek sayının eşikten küçük veya eşit olmasını sınar.
2 — büyüktür
Gerçek sayının eşikten büyük olmasını sınar.
3 — büyük eşittir
Gerçek sayının eşikten büyük veya eşit olmasını sınar.
Örnek: 3 — büyük eşittir / bigger and equal
Örnek:
statistics_config['comparison_test'][0]['group_sample_count_check_type'] = '3'
Parametre ID: 26
grup örnek sayısı
grup örnek sayısı integer

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: 15
Örnek:
statistics_config['comparison_test'][0]['group_sample_count'] = ''
Parametre ID: 27
veri dağılım testi kullanım tipi
veri dağılım testi kullanım tipi select

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 ve kullanım amaçları
0 — herhangi bir test ile normal dağılıyorsa yeterli
Seçili kontrollerden biri normal dağılımı desteklerse koşulu sağlar.
1 — tüm seçili testler normal dağılıyorsa kullan
Bütün seçili kontrollerin normal dağılımı desteklemesini ister.
2 — tüm seçili testler normal dağılmıyorsa kullan
Bütün seçili kontrollerin normal dağılımı reddetmesini ister.
Örnek: 1 — all of them
Örnek:
statistics_config['comparison_test'][0]['data_distribution_test_usage_type'] = '1'
Parametre ID: 28
veri dağılımı skewness (çarpıklık) kullanımı
veri dağılımı skewness (çarpıklık) kullanımı select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 1 — evet / yes
Örnek:
statistics_config['comparison_test'][0]['data_distribution_skewness_usage'] = '1'
Parametre ID: 29
veri dağılımı skewness (çarpıklık) değeri
veri dağılımı skewness (çarpıklık) değeri float

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

Örnek: 2.0
Örnek:
statistics_config['comparison_test'][0]['data_distribution_skewness_value'] = ''
Parametre ID: 30
veri dağılımı kurtosis (basıklık) kullanımı
veri dağılımı kurtosis (basıklık) kullanımı select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 1 — evet / yes
Örnek:
statistics_config['comparison_test'][0]['data_distribution_kurtosis_usage'] = '1'
Parametre ID: 31
veri dağılımı kurtosis (basıklık) değeri
veri dağılımı kurtosis (basıklık) değeri float

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

Örnek: 7.0
Örnek:
statistics_config['comparison_test'][0]['data_distribution_kurtosis_value'] = ''
Parametre ID: 32
veri dağılımı shapiro wilk kullanımı
veri dağılımı shapiro wilk kullanımı select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 1 — evet / yes
Örnek:
statistics_config['comparison_test'][0]['data_distribution_shapiro_wilk_usage'] = '1'
Parametre ID: 33
veri dağılımı kolmogorov smirnov kullanımı
veri dağılımı kolmogorov smirnov kullanımı select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 0 — hayır / no
Örnek:
statistics_config['comparison_test'][0]['data_distribution_kolmogorov_smirnov_usage'] = '0'
Parametre ID: 34
bağımsız değişken kullanım tipi
bağımsız değişken kullanım tipi select

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 ve kullanım amaçları
0 — birer birer
Bağımsız değişkenleri ayrı modellerde değerlendirir.
1 — hepsi birlikte
Bağımsız değişkenleri aynı modelde değerlendirir.
2 — önce birer birer sonra anlamlı olanları hepsi birlikte
Önce tekli değerlendirme yapıp anlamlı değişkenleri ortak modele taşır.
Örnek: 2
Örnek:
statistics_config['comparison_test'][0]['independent_variable_usage_type'] = '2'
Parametre ID: 35
önce-sonra test
önce-sonra test list_parameter

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
Örnek:
statistics_config['before_after_test'] = [{'before_after_test_name': '', 'before_after_1st_column_index': '', 'before_after_2nd_column_index': ''}]
Parametre ID: 36
önce-sonra test adı
önce-sonra test adı select

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

Seçenekler ve kullanım amaçları
0 — bağımlı örneklemler t testi
Eşleştirilmiş iki kolon için bağımlı örneklemler t testi seçer.
Örnek: 0 — paired samples t test
Örnek:
statistics_config['before_after_test'][0]['before_after_test_name'] = '0'
Parametre ID: 37
önce-sonra 1. kolon indeks
önce-sonra 1. kolon indeks text

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: 3
Örnek:
statistics_config['before_after_test'][0]['before_after_1st_column_index'] = ''
Parametre ID: 38
önce-sonra 2. kolon indeks
önce-sonra 2. kolon indeks text

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: 4
Örnek:
statistics_config['before_after_test'][0]['before_after_2nd_column_index'] = ''
Parametre ID: 39
proje veri hazırlama sonrasında otomatik analiz
proje veri hazırlama sonrasında otomatik analiz select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 1 — evet / yes
Örnek:
statistics_config['automatic_analysis_after_project_data_preparation'] = '1'
Parametre ID: 40
analiz sonrası mail gönderimi
analiz sonrası mail gönderimi select

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 ve kullanım amaçları
0 — hayır
İlgili davranışı kapatır.
1 — evet
İlgili davranışı açar.
Örnek: 0 — hayır / no
Örnek:
statistics_config['after_analyze_send_mail'] = '0'
Parametre ID: 41
mail dosya eki tipleri
mail dosya eki tipleri checkbox

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 ve kullanım amaçları
0 — excel
Excel ekini seçer.
1 — pdf
PDF ekini seçer.
Örnek: excel, pdf
Örnek:
statistics_config['mail_attachment_file_types'] = []
Parametre ID: 42
mail listesi
mail listesi textarea

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
Örnek:
statistics_config['mail_list'] = ''
Parametre ID: 43
mail gönderici adı
mail gönderici adı textarea

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
Örnek:
statistics_config['mail_sender_name'] = ''
Parametre ID: 44
mail konu ön ad
mail konu ön ad textarea

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]
Örnek:
statistics_config['mail_subject_prefix'] = ''
Parametre ID: 45
mail konu son ad
mail konu son ad textarea

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
Örnek:
statistics_config['mail_subject_suffix'] = ''
Parametre ID: 46
mail giriş bilgisi
mail giriş bilgisi textarea

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.
Örnek:
statistics_config['mail_start_note'] = ''
Parametre ID: 47
mail notu
mail notu list_parameter

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
Örnek:
statistics_config['mail_note'] = [{'mail_caption': '', 'mail_content': '', 'mail_content_color': ''}]
Parametre ID: 48
mail başlık
mail başlık text

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
Örnek:
statistics_config['mail_note'][0]['mail_caption'] = ''
Parametre ID: 49
mail içerik
mail içerik textarea

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.
Örnek:
statistics_config['mail_note'][0]['mail_content'] = ''
Parametre ID: 50
mail içerik rengi
mail içerik rengi text

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
Örnek:
statistics_config['mail_note'][0]['mail_content_color'] = ''
Parametre ID: 51
mail arkaplan resmi
mail arkaplan resmi image

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,…
Örnek:
statistics_config['mail_background_image'] = ''
Parametre ID: 52
mail tablo sınır çizgisi rengi
mail tablo sınır çizgisi rengi text

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
Örnek:
statistics_config['mail_table_border_color'] = ''
Parametre ID: 53
mail tablo arkaplan rengi
mail tablo arkaplan rengi textarea

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
Örnek:
statistics_config['mail_table_background_color'] = ''
Parametre ID: 54
mail imza
mail imza list_parameter

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
Örnek:
statistics_config['mail_signature'] = [{'mail_signature_note': '', 'mail_signature_image': '', 'mail_signature_width': ''}]
Parametre ID: 55
mail imza notu
mail imza notu textarea

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
Örnek:
statistics_config['mail_signature'][0]['mail_signature_note'] = ''
Parametre ID: 56
mail imza resmi
mail imza resmi image

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,…
Örnek:
statistics_config['mail_signature'][0]['mail_signature_image'] = ''
Parametre ID: 57
mail imza resmi genişlik
mail imza resmi genişlik textarea

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
Örnek:
statistics_config['mail_signature'][0]['mail_signature_width'] = ''
Parametre ID: 58
kolon filtre kuralı json
kolon filtre kuralı json textarea

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
Örnek:
statistics_config['column_filter_rule_json'] = {'query_list': [], 'compile_str_array': [], 'compile_str_date': [], 'compile_str_text': []}
Parametre ID: 59
karşılaştırmalı otomatik kombinasyon analizi
karşılaştırmalı otomatik kombinasyon analizi select

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 ve kullanım amaçları
0 — pasif
Otomatik kombinasyon üretimini kapatır.
1 — aktif
Otomatik kombinasyon üretimini açar.
Örnek: 1 — aktif / active
Örnek:
statistics_config['comparison_auto_combination_analyze'] = '1'
Parametre ID: 60
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.
durum
durum select

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 ve kullanım amaçları
0 — iptal
Süreci aktif izleme kümesinden çıkarır ve arayüzün sonuçları yenilemesini sağlar.
1 — başla
Yeni süreç bu değerle oluşturulur ve aktif olarak izlenir.
2 — devam ediyor
Çalışmanın sürdüğünü bildirir ve aktif izlemeyi devam ettirir.
3 — tamamlandı
Çalışmanın bittiğini bildirir, izlemeyi durdurur ve sonuçları yeniler.
Örnek: 1 — başla / start
Örnek:
statistics_process_config['status'] = '1'
Parametre ID: 0
wanalyzer proje id
wanalyzer proje id text

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…
Örnek:
statistics_process_config['wanalyzer_project_id'] = ''
Parametre ID: 1
istatistik id
istatistik id text

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…
Örnek:
statistics_process_config['stats_id'] = ''
Parametre ID: 2
başlama tarihi
başlama tarihi datetime

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
Örnek:
statistics_process_config['start_date'] = ''
Parametre ID: 3
bitiş tarihi
bitiş tarihi datetime

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
Örnek:
statistics_process_config['end_date'] = ''
Parametre ID: 4
son bilgilendirme tarihi
son bilgilendirme tarihi datetime

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
Örnek:
statistics_process_config['last_information_date'] = ''
Parametre ID: 5
durdurma tarihi
durdurma tarihi datetime

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
Örnek:
statistics_process_config['stop_date'] = ''
Parametre ID: 6
satır adedi
satır adedi integer

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: 1250
Örnek:
statistics_process_config['row_count'] = ''
Parametre ID: 7
sonuç toplam adet
sonuç toplam adet integer

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: 12
Örnek:
statistics_process_config['result_total_count'] = ''
Parametre ID: 8
log
log textarea

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)
Örnek:
statistics_process_config['log'] = ''
Parametre ID: 9
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.
durum
durum select

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 ve kullanım amaçları
0 — pasif
Sonuç kaydını pasif olarak işaretler.
1 — aktif
Sonuç kaydını aktif olarak işaretler.
Örnek: 1 — aktif / active
Örnek:
statistics_result_config['status'] = '1'
Parametre ID: 0
wanalyzer proje id
wanalyzer proje id text

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…
Örnek:
statistics_result_config['wanalyzer_project_id'] = ''
Parametre ID: 1
istatistik id
istatistik id text

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…
Örnek:
statistics_result_config['stats_id'] = ''
Parametre ID: 2
proses id
proses id text

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…
Örnek:
statistics_result_config['process_id'] = ''
Parametre ID: 3
başlama tarihi
başlama tarihi datetime

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

Örnek: 2026-10-25T09:30:00
Örnek:
statistics_result_config['start_date'] = ''
Parametre ID: 4
bitiş tarihi
bitiş tarihi datetime

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
Örnek:
statistics_result_config['end_date'] = ''
Parametre ID: 5
analiz tipi
analiz tipi select

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 ve kullanım amaçları
0 — tanımlayıcı
Tek kolonun dağılım ve özet ölçülerini bildirir.
1 — karşılaştırma
Bağımsız ve bağımlı kolonlar arasındaki testi bildirir.
2 — önce & sonra karşılaştırma
Eşleştirilmiş önce ve sonra kolonlarını bildirir.
3 — cronbach alpha
İç tutarlılık analiz sonucunu bildirir.
Örnek: 1 — karşılaştırma / cross columns
Örnek:
statistics_result_config['analyze_type'] = '1'
Parametre ID: 6
test adı
test adı select

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 ve kullanım amaçları
0 — oneway anova
Sonucun bu istatistiksel testle üretildiğini bildirir.
1 — kikare
Sonucun bu istatistiksel testle üretildiğini bildirir.
2 — fisher exact
Sonucun bu istatistiksel testle üretildiğini bildirir.
3 — pearson korelasyon
Sonucun bu istatistiksel testle üretildiğini bildirir.
4 — spearman korelasyon
Sonucun bu istatistiksel testle üretildiğini bildirir.
5 — lojistik regresyon
Sonucun bu istatistiksel testle üretildiğini bildirir.
6 — lineer regresyon
Sonucun bu istatistiksel testle üretildiğini bildirir.
7 — kruskal wallis
Sonucun bu istatistiksel testle üretildiğini bildirir.
8 — mann whitney u
Sonucun bu istatistiksel testle üretildiğini bildirir.
9 — bağımsız örneklemler student t-test
Sonucun bu istatistiksel testle üretildiğini bildirir.
10 — welch t test
Sonucun bu istatistiksel testle üretildiğini bildirir.
Örnek: 9 — independent samples student t-test
Örnek:
statistics_result_config['test_name'] = '9'
Parametre ID: 7
satır adedi
satır adedi integer

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: 120
Örnek:
statistics_result_config['row_count'] = ''
Parametre ID: 8
p değeri
p değeri text

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
Örnek:
statistics_result_config['p_value'] = ''
Parametre ID: 9
anlamlılık p değeri
anlamlılık p değeri text

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
Örnek:
statistics_result_config['significance_p_value'] = ''
Parametre ID: 10
log
log textarea

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.
Örnek:
statistics_result_config['log'] = ''
Parametre ID: 11
sonuç metni
sonuç metni list_parameter

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
Örnek:
statistics_result_config['result_text'] = [{'result_text_content': '', 'result_text_language': '0'}]
Parametre ID: 12
sonuç metni içerik
sonuç metni içerik textarea

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.
Örnek:
statistics_result_config['result_text'][0]['result_text_content'] = ''
Parametre ID: 13
sonuç metni dili
sonuç metni dili select

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

Seçenekler ve kullanım amaçları
0 — tr
Metnin Türkçe sürüm olduğunu bildirir.
1 — en
Metnin İngilizce sürüm olduğunu bildirir.
Örnek: 0 — tr
Örnek:
statistics_result_config['result_text'][0]['result_text_language'] = '0'
Parametre ID: 14
tanımlayıcı seçilen kolon indeks
tanımlayıcı seçilen kolon indeks text

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: 2
Örnek:
statistics_result_config['descriptive_selected_column_index'] = ''
Parametre ID: 15
bağımsız değişken kolonu
bağımsız değişken kolonu list_parameter

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
Örnek:
statistics_result_config['independent_variable_column'] = [{'independent_variable_column_index': ''}]
Parametre ID: 16
bağımsız değişken kolon indeks
bağımsız değişken kolon indeks text

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: 2
Örnek:
statistics_result_config['independent_variable_column'][0]['independent_variable_column_index'] = ''
Parametre ID: 17
bağımlı değişken kolonu
bağımlı değişken kolonu list_parameter

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
Örnek:
statistics_result_config['dependent_variable_column'] = [{'dependent_variable_column_index': ''}]
Parametre ID: 18
bağımlı değişken kolon indeks
bağımlı değişken kolon indeks text

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: 7
Örnek:
statistics_result_config['dependent_variable_column'][0]['dependent_variable_column_index'] = ''
Parametre ID: 19
önce-sonra 1. kolon indeks
önce-sonra 1. kolon indeks text

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: 3
Örnek:
statistics_result_config['before_after_1st_column_index'] = ''
Parametre ID: 20
önce-sonra 2. kolon indeks
önce-sonra 2. kolon indeks text

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: 4
Örnek:
statistics_result_config['before_after_2nd_column_index'] = ''
Parametre ID: 21
ortalama
ortalama float

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
Örnek:
statistics_result_config['mean'] = ''
Parametre ID: 22
medyan
medyan float

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
Örnek:
statistics_result_config['median'] = ''
Parametre ID: 23
standart sapma
standart sapma float

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
Örnek:
statistics_result_config['standart_deviation'] = ''
Parametre ID: 24
cronbach alpha
cronbach alpha float

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
Örnek:
statistics_result_config['cronbach_alpha'] = ''
Parametre ID: 25
minimum
minimum float

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: 18
Örnek:
statistics_result_config['minimum'] = ''
Parametre ID: 26
maximum
maximum float

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: 69
Örnek:
statistics_result_config['maximum'] = ''
Parametre ID: 27
toplam değer
toplam değer float

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: 5112
Örnek:
statistics_result_config['sum'] = ''
Parametre ID: 28
sıklık json
sıklık json textarea

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}
Örnek:
statistics_result_config['frequency_json'] = ''
Parametre ID: 29
kategorik & kategorik json
kategorik & kategorik json textarea

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}}
Örnek:
statistics_result_config['categorical_categorical_json'] = ''
Parametre ID: 30
kategorik & numerik json
kategorik & numerik json textarea

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}}
Örnek:
statistics_result_config['categorical_numeric_json'] = ''
Parametre ID: 31
tablo
tablo list_parameter

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
Örnek:
statistics_result_config['table'] = [{'table_name': '', 'table_json': ''}]
Parametre ID: 32
tablo adı
tablo adı textarea

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

Örnek: logistic_regression
Örnek:
statistics_result_config['table'][0]['table_name'] = ''
Parametre ID: 33
tablo json
tablo json select

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]]}
Örnek:
statistics_result_config['table'][0]['table_json'] = ''
Parametre ID: 34
çeyrekler arası açıklık
çeyrekler arası açıklık text

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: 12
Örnek:
statistics_result_config['interquartile_range'] = ''
Parametre ID: 35
çeyrekler arası açıklık q1
çeyrekler arası açıklık q1 text

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: 35
Örnek:
statistics_result_config['interquartile_range_q1'] = ''
Parametre ID: 36
çeyrekler arası açıklık q3
çeyrekler arası açıklık q3 text

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: 47
Örnek:
statistics_result_config['interquartile_range_q3'] = ''
Parametre ID: 37
levene p değeri
levene p değeri text

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
Örnek:
statistics_result_config['levene_p_value'] = ''
Parametre ID: 38
levene test istatistiği
levene test istatistiği text

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
Örnek:
statistics_result_config['levene_test_statistic'] = ''
Parametre ID: 39
basıklık değerleri
basıklık değerleri text

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}}
Örnek:
statistics_result_config['excess_kurtosis_values'] = ''
Parametre ID: 40
çarpıklık değerleri
çarpıklık değerleri text

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}}
Örnek:
statistics_result_config['skewness_values'] = ''
Parametre ID: 41
shapiro-wilk sonuçları
shapiro-wilk sonuçları text

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}}
Örnek:
statistics_result_config['shapiro_wilk_results'] = ''
Parametre ID: 42
kolmogorov-smirnov sonuçları
kolmogorov-smirnov sonuçları text

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}}}
Örnek:
statistics_result_config['kolmogorov_smirnov_results'] = ''
Parametre ID: 43
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.
durum
durum select

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 ve kullanım amaçları
0 — pasif
Tanımı pasif olarak kaydeder.
1 — aktif
Tanımı aktif olarak kaydeder.
Örnek: 1 — aktif / active
Örnek:
machine_learning_config['status'] = '1'
Parametre ID: 0
wanalyzer proje id
wanalyzer proje id text

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…
Örnek:
machine_learning_config['wanalyzer_project_id'] = ''
Parametre ID: 1
adı
adı text

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
Örnek:
machine_learning_config['name'] = ''
Parametre ID: 2
açıklama
açıklama text

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.
Örnek:
machine_learning_config['note'] = ''
Parametre ID: 3
model kullanım tipi
model kullanım tipi select

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 ve kullanım amaçları
0 — seçilen
Yalnızca 5 numaralı model değerini çalıştırır.
1 — otomatik
Yedi modelin tamamını her üretilen girdi kombinasyonu için dener.
Örnek: 1 — otomatik / auto
Örnek:
machine_learning_config['model_usage_type'] = '1'
Parametre ID: 4
model
model select

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 ve kullanım amaçları
0 — lojistik regresyon
Sınıflandırma modeli kurar.
1 — lineer regresyon
Numerik çıktı için regresyon modeli kurar.
2 — destek vektör makinası
Mevcut uygulamada sınıflandırma modeli kurar.
3 — K-means (kümeleme)
Çıktıyı kullanmadan girdileri kümeler.
4 — rassal ormanlar
Çıktı türüne göre sınıflandırma veya regresyon yapar.
5 — karar ağacı
Çıktı türüne göre sınıflandırma veya regresyon yapar.
6 — k en yakın komşu
Çıktı türüne göre sınıflandırma veya regresyon yapar.
Örnek: 4 — rassal orman / random forest
Örnek:
machine_learning_config['model'] = '4'
Parametre ID: 5
küme sayısı
küme sayısı integer

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: 3
Örnek:
machine_learning_config['cluster_count'] = ''
Parametre ID: 6
girdi kullanım tipi
girdi kullanım tipi select

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 ve kullanım amaçları
0 — tüm girdiler birlikte
Seçili girdilerden tek bir özellik kümesi oluşturur.
1 — otomatik kombinasyon
Seçili girdilerin boş olmayan bütün alt kümelerini üretir.
Örnek: 0 — tüm girdiler birlikte / all inputs together
Örnek:
machine_learning_config['input_usage_type'] = '0'
Parametre ID: 7
girdi kolonu
girdi kolonu list_parameter

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]
Örnek:
machine_learning_config['input_column'] = [{'input_column_index': '', 'input_column_usage_type': '0'}]
Parametre ID: 8
girdi kolon indeks
girdi kolon indeks text

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: 2
Örnek:
machine_learning_config['input_column'][0]['input_column_index'] = ''
Parametre ID: 9
girdi kolon kullanım tipi
girdi kolon kullanım tipi select

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 ve kullanım amaçları
0 — otomatik
Türü proje kolon metadatasından belirler.
1 — kategorik
Değerleri kategorik özellikler olarak kodlar.
2 — numerik
Değerleri numerik özellikler olarak dönüştürür.
Örnek: 0 — otomatik / auto
Örnek:
machine_learning_config['input_column'][0]['input_column_usage_type'] = '0'
Parametre ID: 10
çıktı kolon indeks
çıktı kolon indeks text

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: 5
Örnek:
machine_learning_config['output_column_index'] = ''
Parametre ID: 11
çıktı kolon kullanım tipi
çıktı kolon kullanım tipi select

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 ve kullanım amaçları
0 — otomatik
Türü proje kolon metadatasından belirler.
1 — kategorik
Çıktıyı sınıf hedefi olarak yorumlar.
2 — numerik
Çıktıyı numerik regresyon hedefi olarak yorumlar.
Örnek: 0 — otomatik / auto
Örnek:
machine_learning_config['output_column_usage_type'] = '0'
Parametre ID: 12
çıktı kolon seçeneği hedef kategori
çıktı kolon seçeneği hedef kategori text

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
Örnek:
machine_learning_config['output_column_option_target_category'] = ''
Parametre ID: 13
proje veri hazırlama sonrasında otomatik analiz
proje veri hazırlama sonrasında otomatik analiz select

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 ve kullanım amaçları
0 — hayır
Veri hazırlama sonrasında otomatik süreç oluşturmaz.
1 — evet
Veri hazırlama sonrasında başla durumunda süreç oluşturur.
Örnek: 1 — evet / yes
Örnek:
machine_learning_config['automatic_analysis_after_project_data_preparation'] = '1'
Parametre ID: 14
kolon filtre kuralı json
kolon filtre kuralı json textarea

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,")"]}
Örnek:
machine_learning_config['column_filter_rule_json'] = {'query_list': [], 'compile_str_array': [], 'compile_str_date': [], 'compile_str_text': []}
Parametre ID: 15
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.
durum
durum select

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 ve kullanım amaçları
0 — iptal
Süreci aktif izleme kümesinden çıkarır ve sonuçların yenilenmesini sağlar.
1 — başla
Yeni manuel veya otomatik süreç bu değerle oluşturulur ve aktif izlenir.
2 — devam ediyor
Yürütmenin sürdüğünü bildirir ve beş saniyelik izlemeyi devam ettirir.
3 — tamamlandı
Yürütmenin bittiğini bildirir, izlemeyi durdurur ve sonuçları yeniler.
Örnek: 1 — başla / start
Örnek:
machine_learning_process_config['status'] = '1'
Parametre ID: 0
wanalyzer proje id
wanalyzer proje id text

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…
Örnek:
machine_learning_process_config['wanalyzer_project_id'] = ''
Parametre ID: 1
makine öğrenmesi id
makine öğrenmesi id text

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…
Örnek:
machine_learning_process_config['machine_learning_id'] = ''
Parametre ID: 2
başlama tarihi
başlama tarihi datetime

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
Örnek:
machine_learning_process_config['start_date'] = ''
Parametre ID: 3
bitiş tarihi
bitiş tarihi datetime

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
Örnek:
machine_learning_process_config['end_date'] = ''
Parametre ID: 4
son bilgilendirme tarihi
son bilgilendirme tarihi datetime

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
Örnek:
machine_learning_process_config['last_information_date'] = ''
Parametre ID: 5
durdurma tarihi
durdurma tarihi datetime

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
Örnek:
machine_learning_process_config['stop_date'] = ''
Parametre ID: 6
satır adedi
satır adedi integer

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: 2500
Örnek:
machine_learning_process_config['row_count'] = ''
Parametre ID: 7
sonuç toplam adet
sonuç toplam adet integer

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: 1
Örnek:
machine_learning_process_config['result_total_count'] = ''
Parametre ID: 8
log
log textarea

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
Örnek:
machine_learning_process_config['log'] = ''
Parametre ID: 9
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.
durum
durum select

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
Örnek:
machine_learning_result_config['status'] = ''
Parametre ID: 0
wanalyzer proje id
wanalyzer proje id text

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…
Örnek:
machine_learning_result_config['wanalyzer_project_id'] = ''
Parametre ID: 1
makine öğrenmesi id
makine öğrenmesi id text

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…
Örnek:
machine_learning_result_config['machine_learning_id'] = ''
Parametre ID: 2
proses id
proses id text

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…
Örnek:
machine_learning_result_config['process_id'] = ''
Parametre ID: 3
başlama tarihi
başlama tarihi datetime

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

Örnek: 2026-10-25T09:30:00
Örnek:
machine_learning_result_config['start_date'] = ''
Parametre ID: 4
bitiş tarihi
bitiş tarihi datetime

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

Örnek: 2026-10-25T09:34:12
Örnek:
machine_learning_result_config['end_date'] = ''
Parametre ID: 5
model
model select

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 ve kullanım amaçları
0 — lojistik regresyon
Sonucun bu model ailesiyle üretildiğini belirtir.
1 — lineer regresyon
Sonucun bu model ailesiyle üretildiğini belirtir.
2 — destek vektör makinası
Sonucun bu model ailesiyle üretildiğini belirtir.
3 — K-means (kümeleme)
Sonucun bu model ailesiyle üretildiğini belirtir.
4 — rassal ormanlar
Sonucun bu model ailesiyle üretildiğini belirtir.
5 — karar ağacı
Sonucun bu model ailesiyle üretildiğini belirtir.
6 — k en yakın komşu
Sonucun bu model ailesiyle üretildiğini belirtir.
Örnek: 0 — logistic regression
Örnek:
machine_learning_result_config['model'] = '0'
Parametre ID: 6
girdi
girdi list_parameter

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
Örnek:
machine_learning_result_config['input'] = [{'input_column_index': ''}]
Parametre ID: 7
girdi kolon indeksi
girdi kolon indeksi integer

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: 2
Örnek:
machine_learning_result_config['input'][0]['input_column_index'] = ''
Parametre ID: 8
çıktı column index
çıktı column index integer

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: 7
Örnek:
machine_learning_result_config['output_column_index'] = ''
Parametre ID: 9
model pickle
model pickle textarea

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…
Örnek:
machine_learning_result_config['model_pickle'] = ''
Parametre ID: 10
test veri oranı
test veri oranı float

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
Örnek:
machine_learning_result_config['test_data_ratio'] = ''
Parametre ID: 11
doğruluk
doğruluk float

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
Örnek:
machine_learning_result_config['accuracy'] = ''
Parametre ID: 12
roc auc
roc auc float

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
Örnek:
machine_learning_result_config['roc_auc'] = ''
Parametre ID: 13
kesinlik (binary)
kesinlik (binary) float

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
Örnek:
machine_learning_result_config['precision_binary'] = ''
Parametre ID: 14
kesinlik (micro)
kesinlik (micro) float

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
Örnek:
machine_learning_result_config['precision_micro'] = ''
Parametre ID: 15
kesinlik (macro)
kesinlik (macro) float

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
Örnek:
machine_learning_result_config['precision_macro'] = ''
Parametre ID: 16
kesinlik (ağırlıklı)
kesinlik (ağırlıklı) float

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
Örnek:
machine_learning_result_config['precision_weighted'] = ''
Parametre ID: 17
duyarlılık (binary)
duyarlılık (binary) float

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
Örnek:
machine_learning_result_config['recall_binary'] = ''
Parametre ID: 18
duyarlılık (micro)
duyarlılık (micro) float

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
Örnek:
machine_learning_result_config['recall_micro'] = ''
Parametre ID: 19
duyarlılık (macro)
duyarlılık (macro) float

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
Örnek:
machine_learning_result_config['recall_macro'] = ''
Parametre ID: 20
duyarlılık (ağırlıklı)
duyarlılık (ağırlıklı) float

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
Örnek:
machine_learning_result_config['recall_weighted'] = ''
Parametre ID: 21
f-skoru (binary)
f-skoru (binary) float

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
Örnek:
machine_learning_result_config['f_score_binary'] = ''
Parametre ID: 22
f-skoru (micro)
f-skoru (micro) float

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
Örnek:
machine_learning_result_config['f_score_micro'] = ''
Parametre ID: 23
f-skoru (macro)
f-skoru (macro) float

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
Örnek:
machine_learning_result_config['f_score_macro'] = ''
Parametre ID: 24
f-skoru (ağırlıklı)
f-skoru (ağırlıklı) float

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
Örnek:
machine_learning_result_config['f_score_weighted'] = ''
Parametre ID: 25
r2 skoru
r2 skoru float

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
Örnek:
machine_learning_result_config['r2_score'] = ''
Parametre ID: 26
çapraz doğrulama yöntemi
çapraz doğrulama yöntemi text

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
Örnek:
machine_learning_result_config['cross_validation_method'] = ''
Parametre ID: 27
çapraz doğrulama kat sayısı
çapraz doğrulama kat sayısı integer

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: 5
Örnek:
machine_learning_result_config['cross_validation_fold_count'] = ''
Parametre ID: 28
çapraz doğrulama doğruluk skorları
çapraz doğrulama doğruluk skorları text

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]
Örnek:
machine_learning_result_config['cross_validation_accuracy_scores'] = ''
Parametre ID: 29
çapraz doğrulama doğruluk ortalaması
çapraz doğrulama doğruluk ortalaması float

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
Örnek:
machine_learning_result_config['cross_validation_mean_accuracy'] = ''
Parametre ID: 30
çapraz doğrulama doğruluk standart sapması
çapraz doğrulama doğruluk standart sapması float

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
Örnek:
machine_learning_result_config['cross_validation_accuracy_standard_deviation'] = ''
Parametre ID: 31
çapraz doğrulama maksimum doğruluk
çapraz doğrulama maksimum doğruluk float

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
Örnek:
machine_learning_result_config['cross_validation_maximum_accuracy'] = ''
Parametre ID: 32
çapraz doğrulama minimum doğruluk
çapraz doğrulama minimum doğruluk float

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
Örnek:
machine_learning_result_config['cross_validation_minimum_accuracy'] = ''
Parametre ID: 33
çapraz doğrulama roc auc ortalaması
çapraz doğrulama roc auc ortalaması float

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
Örnek:
machine_learning_result_config['cross_validation_mean_roc_auc'] = ''
Parametre ID: 34
çapraz doğrulama roc auc standart sapması
çapraz doğrulama roc auc standart sapması float

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
Örnek:
machine_learning_result_config['cross_validation_roc_auc_standard_deviation'] = ''
Parametre ID: 35
çapraz doğrulama r2 ortalaması
çapraz doğrulama r2 ortalaması float

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
Örnek:
machine_learning_result_config['cross_validation_mean_r2'] = ''
Parametre ID: 36
çapraz doğrulama r2 standart sapması
çapraz doğrulama r2 standart sapması float

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
Örnek:
machine_learning_result_config['cross_validation_r2_standard_deviation'] = ''
Parametre ID: 37
çapraz doğrulama maksimum r2
çapraz doğrulama maksimum r2 float

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
Örnek:
machine_learning_result_config['cross_validation_maximum_r2'] = ''
Parametre ID: 38
çapraz doğrulama minimum r2
çapraz doğrulama minimum r2 float

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
Örnek:
machine_learning_result_config['cross_validation_minimum_r2'] = ''
Parametre ID: 39
kalibrasyon brier skoru
kalibrasyon brier skoru float

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
Örnek:
machine_learning_result_config['calibration_brier_score'] = ''
Parametre ID: 40
kalibrasyon yorumu
kalibrasyon yorumu select

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 ve kullanım amaçları
0 — iyi
Kalibrasyonun iyi olarak sınıflandırıldığını belirtir.
1 — orta
Kalibrasyonun orta olarak sınıflandırıldığını belirtir.
2 — kötü
Kalibrasyonun kötü olarak sınıflandırıldığını belirtir.
Örnek: 0 — iyi / good
Örnek:
machine_learning_result_config['calibration_interpretation'] = '0'
Parametre ID: 41
silhouette skoru
silhouette skoru float

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
Örnek:
machine_learning_result_config['silhouette_score'] = ''
Parametre ID: 42
calinski-harabasz skoru
calinski-harabasz skoru float

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
Örnek:
machine_learning_result_config['calinski_harabasz_score'] = ''
Parametre ID: 43
davies-bouldin skoru
davies-bouldin skoru float

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
Örnek:
machine_learning_result_config['davies_bouldin_score'] = ''
Parametre ID: 44
ortalama mutlak hata
ortalama mutlak hata float

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
Örnek:
machine_learning_result_config['mean_absolute_error'] = ''
Parametre ID: 45
ortalama karesel hata
ortalama karesel hata float

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
Örnek:
machine_learning_result_config['mean_squared_error'] = ''
Parametre ID: 46
kök ortalama karesel hata
kök ortalama karesel hata float

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
Örnek:
machine_learning_result_config['root_mean_squared_error'] = ''
Parametre ID: 47
özellik önemi
özellik önemi text

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}
Örnek:
machine_learning_result_config['feature_importance'] = ''
Parametre ID: 48
uyarı
uyarı text

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.
Örnek:
machine_learning_result_config['warning'] = ''
Parametre ID: 49
konfüzyon matrix json
konfüzyon matrix json textarea

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"]}
Örnek:
machine_learning_result_config['confusion_matrix_json'] = ''
Parametre ID: 50
tablo
tablo list_parameter

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
Örnek:
machine_learning_result_config['table'] = [{'table_name': '', 'table_json': ''}]
Parametre ID: 51
tablo adı
tablo adı textarea

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
Örnek:
machine_learning_result_config['table'][0]['table_name'] = ''
Parametre ID: 52
tablo json
tablo json select

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]]}
Örnek:
machine_learning_result_config['table'][0]['table_json'] = ''
Parametre ID: 53
sonuç metni
sonuç metni list_parameter

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
Örnek:
machine_learning_result_config['result_text'] = [{'result_text_content': '', 'result_text_language': '0'}]
Parametre ID: 54
sonuç metni içerik
sonuç metni içerik textarea

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.
Örnek:
machine_learning_result_config['result_text'][0]['result_text_content'] = ''
Parametre ID: 55
sonuç metni dili
sonuç metni dili select

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 ve kullanım amaçları
0 — tr
Metnin Türkçe sürüm olduğunu belirtir.
1 — en
Metnin İngilizce sürüm olduğunu belirtir.
Örnek: 0 — tr
Örnek:
machine_learning_result_config['result_text'][0]['result_text_language'] = '0'
Parametre ID: 56