İçeriğe geç
parazade
Yapay Zeka

Etiket Kodlama Nedir?

İngilizce: Label Encoding

Yayın: · Son güncelleme:

Etiket Kodlama Nedir? Kısaca

Etiket kodlama (label encoding), kategorik bir değişkenin her farklı değerine bir tam sayı atayarak metin biçimindeki kategorileri makine öğrenmesi modellerinin işleyebileceği sayısal biçime dönüştürme yöntemidir.

Etiket Kodlama nedir?
İçindekiler
  1. Etiket kodlama nedir?
  2. Ne zaman uygundur?
  3. Riskleri nelerdir?
  4. Nelere dikkat etmeli?

Etiket kodlama, "kırmızı", "mavi", "yeşil" gibi metin değerlerini 0, 1, 2 gibi sayılara çeviren basit bir ön işleme tekniğidir. Pek çok makine öğrenmesi algoritması yalnızca sayısal girdiyle çalıştığı için kategorik değişken içeren veriler modele verilmeden önce kodlanmalıdır.

Etiket kodlama nedir?

Yöntem, sütundaki her benzersiz kategoriye bir tam sayı karşılığı atar. Atama çoğu zaman alfabetik sıraya ya da verideki ilk görülme sırasına göre yapılır.

Şehir Kod
Ankara 0
İstanbul 1
İzmir 2

Ne zaman uygundur?

  • Hedef değişken: Sınıflandırma problemlerinde etiketleri ("kedi", "köpek", "kuş") sayılara çevirmek için yaygın ve güvenlidir.
  • Sıralı (ordinal) kategoriler: "Düşük < Orta < Yüksek" gibi doğal sıralaması olan değişkenlerde, sıra korunarak kodlama yapılırsa anlamlıdır.
  • Ağaç tabanlı modeller: Karar ağaçları ve türevleri, sayıların büyüklüğüne değil eşik bölmelerine baktığı için bu kodlamadan daha az etkilenir.

Riskleri nelerdir?

Sırası olmayan (nominal) kategorilerde etiket kodlama yanıltıcı olabilir. Yukarıdaki örnekte doğrusal bir model, İzmir'in (2) Ankara'nın (0) "iki katı" olduğunu ya da İstanbul'un ikisinin "ortasında" yer aldığını varsayabilir. Bu tür yapay bir sıralama, özellikle doğrusal regresyon, lojistik regresyon ve sinir ağlarında hatalı öğrenmeye yol açabilir.

Böyle durumlarda genellikle tek-sıcak kodlama (one-hot encoding) tercih edilir: Her kategori için ayrı bir 0/1 sütunu oluşturulur ve kategoriler arasında sıralama ima edilmez. Çok sayıda kategori varsa hedef kodlama ya da gömme (embedding) gibi yöntemler de kullanılabilir.

Nelere dikkat etmeli?

Eğitim verisinde oluşturulan kod eşleşmesi saklanmalı ve test ile gerçek veriye aynen uygulanmalıdır. Eğitimde görülmeyen yeni bir kategori geldiğinde ne yapılacağı da önceden belirlenmelidir. Genel ön işleme adımları için veri ön işleme maddesine bakabilirsin.

Sıkça Sorulan Sorular

Etiket kodlama ile one-hot encoding arasındaki fark nedir?

Etiket kodlama her kategoriye tek bir sütunda bir tam sayı atar ve kategoriler arasında sıralama varmış gibi görünmesine yol açabilir. One-hot encoding ise her kategori için ayrı bir 0/1 sütunu açar ve sıralama ima etmez, ancak sütun sayısını artırır.

Etiket kodlama hedef değişkende kullanılabilir mi?

Evet, sınıflandırma problemlerinde sınıf etiketlerini sayılara çevirmek için yaygın olarak kullanılır. Bu durumda sayılar yalnızca sınıf kimliği işlevi görür ve model onları büyüklük olarak yorumlamaz.

İlgili terimler

Kategorik Değişken(Categorical Variable)Kategorik değişken, değerleri sayısal bir ölçüm yerine belirli gruplardan ya da sınıflardan oluşan değişkendir. Cinsiyet, şehir, renk ya da eğitim düzeyi gibi örnekleri vardır; nominal (sırasız) ve sıralı (ordinal) olmak üzere iki ana türe ayrılır.Veri Ön İşleme(Data Preprocessing)Veri ön işleme, ham veriyi analiz ya da makine öğrenmesi modeline verilmeden önce temizleme, dönüştürme, kodlama ve ölçekleme gibi adımlarla kullanılabilir hâle getirme sürecidir. Modelin başarısını doğrudan etkileyen temel aşamalardan biridir.Özellik Mühendisliği(Feature Engineering)Özellik mühendisliği (feature engineering), ham verileri alan bilgisi ve veri dönüşümleriyle işleyerek bir makine öğrenmesi modelinin daha iyi öğrenmesini sağlayacak anlamlı özelliklere çevirme sürecidir.EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını sayılardan oluşan bir vektörle temsil etme yöntemidir. Anlamca birbirine yakın içeriklerin vektörleri de birbirine yakın olduğu için anlamsal arama ve RAG sistemlerinin temelini oluşturur.Etiket(Label)Etiket (label), makine öğrenmesinde bir veri örneği için bilinen doğru cevaptır; örneğin bir fotoğrafın "kedi" olduğu ya da bir e-postanın "spam" olduğu bilgisi. Denetimli öğrenmede model, girdilerden bu etiketleri tahmin etmeyi öğrenir.Lojistik Regresyon(Logistic Regression)Lojistik regresyon, girdilerin ağırlıklı toplamını sigmoid fonksiyonundan geçirerek 0 ile 1 arasında bir olasılık üreten ve bu olasılığı bir eşikle karşılaştırarak sınıflandırma yapan temel bir istatistik ve makine öğrenmesi yöntemidir.