> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/tr/urun-turu-web-uygulamasi/zones-maps-and-analytics/using-data-classification.md).

# Veri Sınıflandırması Kullanımı

AUTO, Doğal Kırılımlar, Eşit Aralık, Eşit Sayı ve Mekânsal Olarak Yerelleştirilmiş seçenekler dahil olmak üzere GeoPard sınıflandırma yöntemlerinin bölgeler haritalarını nasıl şekillendirdiğini öğrenin.

Verilerin sınıflandırılması, coğrafi verilerin analizi ve görselleştirilmesinde kritik bir adımdır. GeoPard, kullanıcıların verilerini etkili bir şekilde anlamalarına ve yorumlamalarına yardımcı olmak için çeşitli sınıflandırma yöntemleri sunar. GeoPard’da yaygın olarak kullanılan seçenekler AUTO sınıflandırma, Natural Breaks, Equal Interval, Equal Count (Area) ve Spatially Localized sınıflandırmadır. Aşağıda açıklandığı gibi her yöntem farklı bir kullanım amacına uygundur:

## AUTO classification

Otomatik sınıflandırma, uygun bir sınıflandırma yaklaşımını **veri dağılımına ve bölgelerin alanlarına göre**seçer. Sınıflandırma yöntemlerini elle karşılaştırırken deneme yanılma ihtiyacını azaltarak kullanılabilir bir Bölgeler Haritası’nı daha hızlı oluşturmanıza yardımcı olur.

Bu seçenek, sağlam bir başlangıç noktası istediğinizde ve harita oluştururken zaman kazanmanız gerektiğinde kullanışlıdır. Kaydetmeden önce sonucu inceleyebilir ve diğer bölge ayarlarını düzenleyebilirsiniz.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9w5QnaWrwVXAXPQTAw5L%2Fimage.png?alt=media&amp;token=b4c57f60-c506-4454-ab3e-e0525235975f" alt=""><figcaption><p>AUTO classification</p></figcaption></figure>

## 1. Natural Breaks Sınıflandırması

Natural Breaks sınıflandırması, belirgin gruplar oluşturmak için veri dağılımındaki “doğal” eşikleri veya kırılma noktalarını belirler. Sınıflar arasındaki farkları en üst düzeye çıkarırken her sınıf içindeki farkları en aza indirir. Natural Breaks, belirgin örüntüleri veya kümeleri olan verilerde etkili keşif ve analiz yapılmasını sağlar.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQzmD8cm9fyq0vTDYwxvq%2Fimage.png?alt=media&amp;token=4cf3e432-cbe6-459b-8fd6-75e7cb540024" alt=""><figcaption><p>Natural Breaks Sınıflandırması</p></figcaption></figure>

## 2. Equal Interval Sınıflandırması

Equal Interval sınıflandırması, veri aralığını eşit aralıklara veya dilimlere böler. Veri dağılımının dengeli bir görünümünü sunarak her aralıktaki değerlerin yorumlanmasını ve karşılaştırılmasını kolaylaştırır. Equal Interval, belirgin örüntüler içermeyen ve eşit dağılmış veriler için uygundur.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FkOZpBpxYxxyhGVbicPLO%2Fimage.png?alt=media&amp;token=0f1211c8-2ac2-4786-a0e8-ed8ae7ffd843" alt=""><figcaption><p>Equal Interval Sınıflandırması</p></figcaption></figure>

## 3. Equal Count (Area) Sınıflandırması

Equal Count sınıflandırması, her sınıfta eşit sayıda veri değeri bulunmasını sağlar. Özellikle çarpık veya eşit dağılmamış verilerde dengeli bir görünüm sunar. Equal Count, alanlar veya bölgeler arasında adil karşılaştırmalar yapılmasını sağlayarak tutarlı analiz ve görselleştirme sunar.

Amaç, alan büyüklükleri birbirine görece yakın bölgeler oluşturmaktır; ancak yuvarlama işlemleri ve bölge kalitesini iyileştirme çalışmaları küçük farklılıklara yol açabilir. Bu nedenle EVI2, MCARI1 veya WDRVI gibi daha yüksek ayrıntı düzeyine sahip bitki örtüsü indekslerinin kullanılması daha hassas sonuçlar verir. Ayrıca [bölgelerin son geometrileri, doğruluğu artırmak üzere ince ayardan geçirilir](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKimgcw9kK0ED2uGagkEM%2Fimage.png?alt=media&amp;token=31e7fd08-ecec-4253-ac0a-582edf368bdc" alt=""><figcaption><p>Equal Count (Area) Sınıflandırması</p></figcaption></figure>

## 4. Spatially Localized Sınıflandırması

Spatially Localized sınıflandırması, verileri coğrafi konumlarına göre kümeleyerek yerel bölgeler oluşturur. Başlıca kullanım alanı, toprak örneklemesi için bölgeler planlamak ve tarlaları yönetilebilir alanlara verimli bir şekilde bölmektir.

Daha fazla esneklik sağlamak için Spatially Localized sınıflandırması üç seçenek sunar: **Mekânsal Odaklı**, **Değer Odaklı**ve **Dengeli**.

### 4.1. Spatially Localized Sınıflandırmasının Dengeli Seçeneği

“ **Dengeli** seçeneği, **Mekânsal Odaklı** ile **Değer Odaklı**arasında bir denge sağlar. Coğrafi yakınlık ile veri değerlerinin benzerliğini dengeleyen kümeler içeren bir Bölgeler Haritası oluşturur. Bu yaklaşım, hem mekânsal bütünlüğün hem de veri tutarlılığının önemli olduğu durumlarda işe yarar.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHkWvnjWzBOiljEnXQOhU%2Fimage.png?alt=media&amp;token=c5bd0315-ed78-4638-b219-3dac4abde057" alt=""><figcaption><p>Spatially Localized Sınıflandırması (Dengeli Seçenek)</p></figcaption></figure>

### 4.2. Spatially Localized Sınıflandırmasında Değer Odaklı Seçenek

“ **Değer Odaklı** ” Spatially Localized Sınıflandırma seçeneği, coğrafi yakınlık yerine veri değerlerine göre kümelenmiş bölgeler oluşturur. Bitki örtüsü veya toprak kalitesi gibi benzer özelliklere sahip alanları bir araya getirerek, her bölgenin içindeki veri tutarlılığının öncelikli olduğu bir Bölgeler Haritası oluşturur.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF7h0AB4cF7xbWCmA7PmK%2Fimage.png?alt=media&amp;token=5e9d6b86-5f7c-4acf-9990-e4c2a7a746c1" alt=""><figcaption><p>Spatially Localized Sınıflandırması (Değer Odaklı Seçenek)</p></figcaption></figure>

### 4.3. Spatially Localized Sınıflandırmasında Mekânsal Odaklı Seçenek

“ **Mekânsal Odaklı** ” Spatially Localized Sınıflandırma seçeneği, coğrafi olarak daha yoğunlaşmış bölgeler oluşturmaya odaklanır. Yakınlığı önceliklendiren ve her bölgenin mekânsal olarak bütünlüklü kalmasını sağlayan kümelerden oluşan bir Bölgeler Haritası oluşturur. Lojistik veya mekânsal örnekleme gibi fiziksel konumun öncelikli olduğu durumlar için idealdir.

<figure><img src="https://4027984477-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDh2CT0aMwFrdBdPSDhjg%2Fimage.png?alt=media&amp;token=808f32ce-22c6-4baf-8370-5b65177ea3bd" alt=""><figcaption><p>Spatially Localized Sınıflandırması (Mekânsal Odaklı Seçenek)</p></figcaption></figure>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/tr/urun-turu-web-uygulamasi/zones-maps-and-analytics/using-data-classification.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
