Gradient Boosting
Gradient Boosting, MerQur’da otomatik uygulanan istatistiksel analizlerden biridir. Bu sayfada Sağlık Bilimleri 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?
Gradient Boosting, 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?
- Sağlık Bilimleri 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 Gradient Boosting‘yi seç.
Panel atamaları (programdaki form alanları):
- Hedef Sütun:
tekrar_yatis_riski - Ozellik Sutunlari:
['yas', 'komorbidite_sayisi', 'son_yatis_gun', 'ilac_sayisi'] - Test orani:
0.3
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 — Sağlık Bilimleri
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, Sağlık Bilimleri alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Tip/65_gb_repeat_admission.xlsx
🎬 Senaryo
Tekrar yatış riskini dört yordayıcıdan gradyan artırma ile sınıflandırıyoruz. En yüksek doğruluk için gradyan artırma uygun bir yöntemdir.
⚙️ Değişken Seçimi
- Bağımlı değişken: repeat_admission_risk
- Yordayıcı(lar): age
- Yordayıcı(lar): comorbidity_count
- Yordayıcı(lar): last_admission_day
- Yordayıcı(lar): drug_count
Veri Önizleme (İlk 5 Satır)
| patient_id | age | comorbidity_count | last_admission_day | drug_count | repeat_admission_risk |
|---|---|---|---|---|---|
| 1 | 47 | 2 | 3 | 3 | medium |
| 2 | 70 | 0 | 6 | 8 | high |
| 3 | 67 | 2 | 4 | 10 | high |
| 4 | 49 | 4 | 3 | 5 | medium |
| 5 | 70 | 3 | 6 | 3 | high |
n = 280 · Sütunlar: patient_id, age, comorbidity_count, last_admission_day, drug_count, repeat_admission_risk
📈 MerQur Çıktısı
💬 MerQur Yorumu
Tekrar yatış riskini (repeat_admission_risk) dört yordayıcıdan gradyan artırma ile sınıflandırdık: doğruluk %89.3. Gradyan artırma, zayıf ağaçları ardışık olarak ekler — her yeni ağaç önceki modelin hatalarını düzeltir; bu nedenle birçok tahmin yarışmasının kazanan yöntemidir. Rastgele orman paralel biçimde “oy” verirken, gradyan artırma hatayı adım adım azaltır. Tıpta en yüksek tahmin doğruluğunun arandığı (tekrar yatış, komplikasyon riski skorlama) durumlarda tercih edilir; aşırı uyuma karşı dikkatli ayarlama gerektirir.
⚠ 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 Sağlık Bilimleri dosyası üzerinden uçtan uca uygulanışı için aşağıdaki videoyu izleyebilirsin.
▶ Gradient Boosting Sınıflandırma — video anlatım
Bu analizin bir veri seti üzerinde MerQur’da uçtan uca uygulanışı, adım adım ekran yazısıyla.
🎓 Eğitim Bilimleri · 🧪 Fen Bilimleri ve Matematik · 🏛 Mimarlık, Planlama ve Tasarım · ⚙ Mühendislik · 📊 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.