# Veri Sınıflandırmasının Kullanımı

Veri sınıflandırması, 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’daki yaygın seçenekler AUTO sınıflandırma, Doğal Kırılımlar, Eşit Aralık, Eşit Sayı (Alan) ve Mekânsal Olarak Yerelleştirilmiş sınıflandırmadır. Her yöntem, aşağıda açıklandığı gibi farklı bir kullanım senaryosuna uygundur:

## AUTO sınıflandırma

Otomatik sınıflandırma, uygun bir sınıflandırma yaklaşımı seçer **veri dağılımına ve zon alanlarına göre**. Sınıflandırma yöntemlerini manuel olarak karşılaştırırken daha az deneme-yanılma ile daha hızlı kullanılabilir bir Zon Haritasına ulaşmanıza yardımcı olur.

Güçlü bir başlangıç noktası istediğiniz ve harita oluşturma sırasında zaman tasarrufu yapmanız gerektiği durumlarda bu seçenek faydalıdır. Sonucu yine de gözden geçirebilir ve kaydetmeden önce diğer zon ayarlarını düzenleyebilirsiniz.

<figure><img src="/spaces/4mGkHVarJuYRwzYVWePj/files/70dc6113e712b6b88ec0af04be556c6126ea0b16" alt=""><figcaption><p>AUTO sınıflandırma</p></figcaption></figure>

## 1. Doğal Kırılımlar Sınıflandırması

Doğal Kırılımlar sınıflandırması, veri dağılımındaki "doğal" eşik veya kırılma noktalarını belirleyerek belirgin gruplar oluşturur. Sınıflar arasındaki farkları en üst düzeye çıkarır ve her sınıf içindeki farkları en aza indirir. Doğal Kırılımlar, net desenlere veya kümelere sahip veriler için kullanışlıdır ve etkili keşif ve analiz sağlar.

<figure><img src="/files/9035dcdf325a26f72f64edeab9ed68eedab189a9" alt=""><figcaption><p>Doğal Kırılımlar Sınıflandırması</p></figcaption></figure>

## 2. Eşit Aralık Sınıflandırması

Eşit Aralık sınıflandırması, veri aralığını eşit aralıklara veya kutulara böler. Veri dağılımının dengeli bir temsilini sunar; bu da her aralık içindeki değerleri yorumlamayı ve karşılaştırmayı kolaylaştırır. Eşit Aralık, belirgin desenleri olmayan, eşit dağılmış veriler için uygundur.

<figure><img src="/files/1310d473ffe7b63f2142f9d711d313a138147a5a" alt=""><figcaption><p>Eşit Aralık Sınıflandırması</p></figcaption></figure>

## 3. Eşit Sayı (Alan) Sınıflandırması

Eşit Sayı sınıflandırması, her sınıfta eşit sayıda veri değeri olmasını sağlar. Özellikle çarpık veya düzensiz dağılmış verilerde dengeli bir temsil sunar. Eşit Sayı, alanlar veya bölgeler arasında adil karşılaştırmalar yapılmasına olanak tanır ve tutarlı analiz ile görselleştirme sağlar.

Amaç, görece benzer alan büyüklüklerine sahip zonlar oluşturmaktır; ancak yuvarlama işlemleri ve zon kalitesi iyileştirmeleri küçük farklılıklar yaratabilir. Bu nedenle, EVI2, MCARI1 veya WDRVI gibi daha yüksek granülariteye sahip bitki indekslerinin kullanılması daha hassas sonuçlar verir. Ve [zonların nihai geometrileri doğruluğu artırmak için ince ayarlanır](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="/files/8244ef1e170896a75633dfc8245a0c9fc8287cfb" alt=""><figcaption><p>Eşit Sayı (Alan) Sınıflandırması</p></figcaption></figure>

## 4. Mekânsal Olarak Yerelleştirilmiş Sınıflandırma

Mekânsal Olarak Yerelleştirilmiş sınıflandırma, verileri coğrafi olarak kümeler ve yerelleştirilmiş zonlar oluşturur. Temel kullanım amacı, Toprak Örneği Alma için Zonlar planlamaktır; böylece Tarlaların yönetilebilir alanlara verimli şekilde bölünmesini sağlar.

Daha fazla esneklik sunmak için, Mekânsal Olarak Yerelleştirilmiş sınıflandırma üç seçenek içerir: **Mekâna Doğru**, **Değerlere Doğru**, ve **Dengeli**.

### 4.1. Mekânsal Olarak Yerelleştirilmiş sınıflandırmanın Dengeli seçeneği

Şu **Dengeli** seçeneği, arasında bir orta yol sunar **Mekâna Doğru** ve **Değerlere Doğru**. Coğrafi yakınlık ile veri değeri benzerliğini dengeleyen kümelere sahip bir Zon Haritası oluşturur. Bu yaklaşım, hem mekânsal kompaktlık hem de veri tutarlılığı önemli olduğunda iyi çalışır.

<figure><img src="/files/6c0e1ae36fbe33cc198124b0333ca64a6779728d" alt=""><figcaption><p>Mekânsal Olarak Yerelleştirilmiş Sınıflandırma (Dengeli Seçenek)</p></figcaption></figure>

### 4.2. Mekânsal Olarak Yerelleştirilmiş sınıflandırmanın Değerlere Doğru seçeneği

Şu **Değerlere Doğru** seçeneği, zonları coğrafi yakınlıktan ziyade veri değerlerine göre kümelenmiş şekilde oluşturur. Bitki örtüsü veya toprak kalitesi gibi benzer özelliklere sahip alanları gruplandırarak, her zonun içindeki veri tutarlılığının en önemli olduğu bir Zon Haritası oluşturur.

<figure><img src="/files/e3d5415d66e4f1c4c070338f04fa020610e79ec5" alt=""><figcaption><p>Mekânsal Olarak Yerelleştirilmiş Sınıflandırma (Değerlere Doğru Seçeneği)</p></figcaption></figure>

### 4.3. Mekânsal Olarak Yerelleştirilmiş sınıflandırmanın Mekâna Doğru seçeneği

Şu **Mekâna Doğru** seçeneği, coğrafi olarak daha yoğun kümelenmiş zonlar oluşturmaya odaklanır. Önceliği yakınlığa veren ve her zonu mekânsal olarak kompakt tutan kümelere sahip bir Zon Haritası oluşturur. Fiziksel konumun en önemli olduğu lojistik veya mekânsal örnekleme gibi durumlar için idealdir.

<figure><img src="/files/92bce924e68705870bd03eafb996ab0eb5c2db68" alt=""><figcaption><p>Mekânsal Olarak Yerelleştirilmiş Sınıflandırma (Mekâna Doğru Seçeneği)</p></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

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

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.geopard.tech/geopard-tutorials/tr/urun-turu-web-uygulamasi/bolgeler-haritalari-ve-analitigi/veri-siniflandirmasinin-kullanimi.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.