t-SNE
t-SNE, MerQur’da otomatik uygulanan istatistiksel analizlerden biridir. Bu sayfada Fen Bilimleri ve Matematik alanına ait örnek veri seti üzerinde analizin nasıl uygulandığı, MerQur çıktısının nasıl görüneceği ve APA 7 formatında nasıl raporlanacağı temsilî olarak gösterilmiştir.
🎯 Ne işe yarar?
t-SNE, ilgili veri türü için gerekli tüm varsayım kontrollerini (normallik, varyans homojenliği, vb.) arka planda otomatik uygular ve sonuçları açık bir tablo + grafik ile sunar. APA 7 standardında otomatik yorumlama, Cohen’s d/η²/R² gibi etki büyüklükleri ve %95 güven aralıkları raporlanır.
📌 Ne zaman kullanılır?
- Fen Bilimleri ve Matematik alanına ait ölçümlerin istatistiksel analizinde
- Akademik yayın için APA 7 uyumlu sonuç tabloları üretmek için
- Hipotez sınama ve karar verme süreçlerinde
- Lisans / yüksek lisans / doktora tezlerinde uygun yöntem seçimi sonrasında
📐 Varsayımlar
- Uygun ölçek — Değişkenler analizin gerektirdiği ölçek düzeyinde (nominal/ordinal/aralık/oran) olmalı
- Bağımsız gözlemler — Gözlemler birbirinden bağımsız bireylerden gelmiş olmalı
- Yeterli örneklem — Analiz için minimum n gereksinimi karşılanmalı
- Aykırı değer kontrolü — Aykırı değerler tespit edilip değerlendirilmeli
Varsayımlar bozulursa MerQur otomatik olarak non-parametrik veya sağlam (robust) alternatife yönlendirir.
🛠 MerQur’da Nasıl Yapılır?
Veriyi yükle. Dosya → Aç menüsünden örnek dosyayı seç. MerQur sütun tiplerini otomatik tespit eder.
Analizi seç. Sol kenardan t-SNE‘yi seç.
Panel atamaları (programdaki form alanları):
- Sütunlar:
[ornek_id, sensor_01, sensor_02, +10 daha] - perplexity:
15 - n_iter:
500 - Eksik strateji:
drop
Opsiyonel ayarlar. Etki büyüklüğü ✓ · %95 güven aralığı ✓ · Varsayım kontrolleri (otomatik).
▶ Çalıştır butonuna bas. Sonuçlar tablo + grafik olarak otomatik üretilir.
📄 Word’e Aktar. APA 7 formatında, italik istatistik sembolleriyle rapor.
📊 Örnek Veri Seti — Fen Bilimleri ve Matematik
ℹ Not: Aşağıdaki senaryo, MerQur çıktısı ve yorum, gerçek örnek veri seti MerQur’da çalıştırılarak elde edilmiştir. Kendi verinizdeki sayısal sonuçlar farklılık gösterecektir; buradaki amaç analizin uçtan uca nasıl kurgulandığını ve yorumlandığını göstermektir.
🎬 Örnek Dosya
Bu analiz, Fen Bilimleri ve Matematik alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Fen_Matematik/70_tsne_5tip.xlsx
🎬 Senaryo
12 sensör boyutlu veriyi görselleştirme için 2 boyuta t-SNE ile indiriyoruz; doğrusal olmayan küme keşfi için t-SNE uygundur.
⚙️ Değişken Seçimi
- Değişkenler: sensor_01..12
Veri Önizleme (İlk 5 Satır)
| sample_id | type | sensor_01 | sensor_02 | sensor_03 | sensor_04 | sensor_05 | sensor_06 | sensor_07 | sensor_08 | sensor_09 | sensor_10 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | A | -0.593 | 0.05 | -0.264 | -0.125 | -0.789 | 0.737 | 0.211 | 0.339 | 0.18 | -0.27 |
| 2 | A | 0.351 | -1.081 | 0.123 | -0.604 | -1.072 | -2.161 | -1.022 | 0.482 | 0.06 | -1.308 |
| 3 | A | 0.297 | -0.106 | -0.444 | 0.396 | 0.413 | 0.698 | 0.715 | 0.558 | 0.073 | 0.726 |
| 4 | A | -1.101 | 1.21 | -0.534 | -0.376 | -0.297 | 0.149 | 0.06 | -0.316 | -1.067 | -0.118 |
| 5 | A | 0.937 | 0.427 | -1.147 | -0.236 | -0.71 | 2.568 | 0.081 | -0.004 | -1.026 | -1.049 |
n = 125 · Sütunlar (ilk 12 sütun): sample_id, type, sensor_01, sensor_02, sensor_03, sensor_04, sensor_05, sensor_06, sensor_07, sensor_08, sensor_09, sensor_10
📈 MerQur Çıktısı
💬 MerQur Yorumu
On iki sensör boyutlu veriyi, görselleştirme için 2 boyuta t-SNE ile indirdik (KL = 0.51, iyi kalite). t-SNE, yüksek boyutlu komşulukları korumaya çalışarak benzer gözlemleri yakın, farklıları uzak konumlandırır; PCA’nın göremediği doğrusal olmayan küme yapılarını görsel olarak ortaya çıkarır. Yorum görseldir (eksenlerin mutlak anlamı yoktur). Laboratuvarda yüksek boyutlu sensör/ölçüm verisindeki gizli tip kümelerini keşifsel görselleştirmede kullanılır.
⚠ Sık Yapılan Hatalar
- Veri tipini yanlış belirlemek (örn. kategorik değişkeni numerik olarak yüklemek)
- Varsayım kontrollerini atlayıp doğrudan p-değerine bakmak
- Etki büyüklüğünü raporlamamak — APA 7 hem p hem etki büyüklüğü ister
- Çoklu karşılaştırmada Tip I hatası düzeltmesi (Bonferroni/Tukey) yapmamak
- n yetersiz olduğunda non-parametrik alternatife geçmemek
📹 Video Anlatım
Bu analizin Fen Bilimleri ve Matematik dosyası üzerinden uçtan uca uygulanışı için aşağıdaki videoyu izleyebilirsin.
▶ t-SNE — video anlatım
Bu bölüm, Kümeleme ve Boyut İndirgeme videosunun içinde yer alıyor (6 analiz, tek video). Aşağıdaki bağlantı doğrudan 4:38 dakikasından, bu analizin anlatıldığı yerden başlar.
🎓 Eğitim Bilimleri · 🏛 Mimarlık, Planlama ve Tasarım · ⚙ Mühendislik · 🏥 Sağlık Bilimleri · 📊 Sosyal, Beşeri ve İdari Bilimler · 🏃 Spor Bilimleri · 🌾 Ziraat, Orman ve Su Ürünleri
📚 Bu Analizi Yaptıysanız MerQur’u Atıf Yapın
MerQur’u kullanarak bilimsel bir çalışmada bu analizi gerçekleştirdiyseniz, akademik atıf zorunluluğu kapsamında lütfen aşağıdaki atfı kullanın (APA 7):
Örücü, Ö. K. (2026). MerQur: Bütünleşik Akademik Veri Analizi ve Raporlama Platformu [Bilgisayar Yazılımı] (Sürüm 1.0.0). https://doi.org/10.53463/merqur.2026001
BibTeX, RIS, EndNote ve İngilizce karşılığı için: tüm atıf formatları →
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.