Çoklu Seçimli Kodlama
Kategorik metinsel değişkenleri (örn. “Erkek/Kadın”, “İlkokul/Lise/Üniversite”, “Düşük/Orta/Yüksek”) sayısal kodlara dönüştür. Birden fazla sütunda tek hamlede dört farklı yöntemden birini uygula: Label, One-hot, Ordinal, Frequency.
Veri sekmesi → üst araç çubuğundaki 🏷 Kodla butonu. Klavye kısayolu: Ctrl + K.
🎯 Ne işe yarar?
Çoğu istatistiksel analiz ve makine öğrenmesi modeli, kategorik değişkenleri doğrudan işleyemez — sayısal bir temsile dönüştürmek gerekir. Örneğin bir lojistik regresyon modelinde “cinsiyet” değişkeni “Erkek”/”Kadın” metin değerleri olarak yer alamaz; bu sütunun “0/1” sayısal kodlamasına çevrilmesi gerekir.
MerQur’un Çoklu Seçimli Kodlama modülü bu işlemi:
- Birden çok sütunda eşzamanlı uygular (her sütun için ayrı dialog açmaya gerek yok)
- 4 farklı kodlama yöntemi sunar (analiz tipine göre uygun olanı seçilir)
- Orijinal sütunları korur — yeni kodlanmış sütunlar yan yana eklenir (örn.
cinsiyet→cinsiyet_label) - Kodlama geçmişini saklar — .merqur projesini açtığında hangi sütunun nasıl kodlandığını görebilirsin
📺 Modül Görünümü
📚 4 Kodlama Yöntemi
🏷 Label Encoding Hızlı · Az Sütun Üretir
Her benzersiz kategoriye bir sıralı sayı atar (0, 1, 2, …). En basit ve hızlı yöntem.
Ne zaman kullan: İkili (binary) değişkenler için; ağaç-tabanlı modeller (Random Forest, Gradient Boosting) için. Lineer modellerde kullanma, çünkü model bu sayılar arasında sıra/uzaklık varsayar.
🔢 One-hot Encoding Standart · Çok Sütun
Her kategori için ayrı bir ikili (0/1) sütun oluşturur. K kategorili değişken K-1 yeni sütuna dönüşür (referans kategori atlanır).
Ne zaman kullan: Lineer regresyon, lojistik regresyon, sinir ağları için standart kodlamadır. Kategoriler arasında doğal sıra yoksa kullan.
📊 Ordinal Encoding Sıralı Kategoriler İçin
Label encoding’e benzer ama kullanıcı sıra belirler. Kategoriler arasında doğal bir hiyerarşi varsa (örn. eğitim seviyesi, hastalık şiddeti, memnuniyet düzeyi) bu sıra korunur.
Ne zaman kullan: Likert ölçek puanları, eğitim/gelir grupları, hastalık evresi gibi sıralı kategorik değişkenler için. Ordinal lojistik regresyonun ön koşulu.
📈 Frequency Encoding Yüksek Kardinalite
Her kategoriyi veri içindeki frekansı (görülme sıklığı) ile değiştirir. Çok sayıda farklı kategori olduğunda (örn. şehir, marka, ülke) one-hot encoding’in patlamasını önler.
Ne zaman kullan: 20’den fazla benzersiz kategori varsa; ağaç-tabanlı modellerde (Random Forest, XGBoost) etkilidir.
🛠 Adım Adım Kullanım
Modülü aç
Veri sekmesinin üst araç çubuğundan 🏷 Kodla butonuna tıkla veya Ctrl + K kısayolunu kullan.
Kodlanacak sütunları seç (çoklu seçim)
Açılan diyaloğun sol tarafında tüm kategorik sütunlar listelenir. Her satırda bir checkbox var. Kodlamak istediğin tüm sütunları işaretle. Tümünü Seç / Tümünü Temizle butonları en üstte.
Kodlama yöntemini seç
Diyaloğun üst kısmındaki 4 radio butondan birini seç: Label / One-hot / Ordinal / Frequency. Seçtiğin yönteme göre alt panel değişir:
- Label / Frequency: Ek ayar yok, otomatik
- One-hot: Referans kategoriyi seç (varsayılan: alfabetik ilk)
- Ordinal: Her kategorinin sırasını sürükle-bırak ile düzenle
Önizleme
Sağ panelde, kodlama sonucu nasıl görüneceğinin önizlemesi görünür. Birkaç örnek satır ve oluşturulacak yeni sütun adları listelenir.
Uygula
Uygula butonuna bas. Yeni kodlanmış sütunlar tabloya eklenir. Sütun adı kuralı:
- Label:
{orijinal_ad}_label(örn.cinsiyet_label) - One-hot:
{orijinal_ad}_{kategori}(örn.egitim_Lise) - Ordinal:
{orijinal_ad}_ord - Frequency:
{orijinal_ad}_freq
📋 Hangi Yöntem Hangi Analiz İçin?
| Analiz / Model | Önerilen Yöntem | Açıklama |
|---|---|---|
| Lojistik Regresyon | One-hot | Lineer modeller için standart; referans kategoriye göre yorumlanır |
| Çoklu Doğrusal Regresyon | One-hot | Aynı sebep — lineer modellerde Label kullanma |
| Random Forest, XGBoost | Label veya Frequency | Ağaç-tabanlı modeller sıralı sayıları sorun etmez; Frequency yüksek kardinalitede daha iyi |
| Ordinal Lojistik | Ordinal | Hedef değişkende sıra varsa Ordinal şart |
| Sinir Ağları (Deep Learning) | One-hot | Veya Embedding (büyük modellerde) |
| Korelasyon / PCA | One-hot veya Ordinal | İki yöntem de geçerli; veri yapısına göre |
| Ki-Kare, Fisher Exact | Kodlama gerekmez | Bu testler kategorik veriyi doğrudan işler — orijinal sütunu kullan |
💡 İpucu — Kodlamayı Geri Alma
Yanlış yöntem seçtiysen panik yapma — orijinal kategorik sütun korunmuştur. Veri sekmesinde sağ tıklayıp yeni eklenmiş kodlanmış sütun(lar)ı silebilir ve farklı bir yöntemle tekrar deneyebilirsin.
⚠ Dikkat — One-hot Encoding’de Multikollinearity
One-hot encoding’de K kategorili değişken için K değil K-1 yeni sütun oluşturulur (referans kategori atlanır). Bu, regresyon modellerinde “dummy variable trap” (mükemmel çoklu doğrusal bağlantı) sorununu önler. MerQur bunu otomatik yapar — sen sadece referans kategoriyi seç.
🔍 Çoklu Sütunda Tek Hamlede
Eğer 5 kategorik sütunu One-hot ile kodlayacaksan, hepsi için tek tek diyaloğu açmana gerek yok. Çoklu Seçimli Kodlama modülü tek hamlede 5 sütunu da işler. Bu özellikle anket verileri (her soru bir kategorik sütun) için çok büyük zaman tasarrufu sağlar.
📊 Likert Ölçek İçin Özel Durum
Likert tipi ölçeklerde (5’li, 7’li agreement scale, vb.) genelde Ordinal encoding önerilir. Ancak MerQur’da Likert ölçekleri için ayrıca özel bir modül vardır → Likert Ölçek Analizi. Bu modül Cronbach alfa, faktör analizi gibi ölçek-spesifik analizleri otomatik çalıştırır.
📚 MerQur’u Kullandıysanız Atıf Yapın
MerQur’un Çoklu Seçimli Kodlama modülünü akademik bir çalışmada kullandıysanız (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
Tüm atıf formatları: /atif/