sun’iy neyron tarmoq modeli

PPTX 22 sahifa 1,5 MB Bepul yuklash

22 sahifa

FaylHub.uz

Telegram orqali yuklab olish

Hajm 1,5 MB

Fayl turi PPTX

Sahifalar 22

Yangilangan Dek 2025

Sahifa ko'rinishi (5 sahifa)

Pastga aylantiring 👇

1 / 22

lecture1:introduction 4-ma’ruza: linear regression, logistic regression, decision tree. 1 sun’iy neyron tarmoq modeli. modelini baholash activation functions linear regression chiziqli regressiya — bashorat qilish va bog‘liqlikni tahlil qilish uchun ishlatiladigan asosiy statistik va mashinani o‘rganish (machine learning) algoritmlaridan biri. u mustaqil o‘zgaruvchilar (features) va bog‘liq o‘zgaruvchi (target) orasidagi chiziqli bog‘liqlikni topishga asoslangan. chiziqli regressiyaning umumiy formulasi chiziqli regressiyaning umumiy ko‘rinishi: bu yerda: y — bashorat qilinadigan natija (dependent variable) — mustaqil o‘zgaruvchilar (features) — intersept (bias) — og‘irliklar (weights, coefficients) — xatolik (error) ushbu modelni ma'lumotlarga moslashtirish orqali eng yaxshi qiymatlari topiladi. chiziqli regressiyaning turlari simple linear regression (oddiy chiziqli regressiya) multiple linear regression (ko‘p o‘zgaruvchili chiziqli regressiya) polynomial regression (ko‘phadli chiziqli regressiya) ridge regression (rij regressiya yoki l2 regulyarizatsiy) lasso regression (l1 regulyarizatsiya) elastic net regression (elastik to‘r regressiyasi) oddiy chiziqli regressiya (simple linear regression) bu eng oddiy shakli bo‘lib, faqat bitta mustaqil o‘zgaruvchi (feature) …

2 / 22

li regressiyada muhim muammo – multikollinearlik (o‘zgaruvchilar bir-biriga bog‘liq bo‘lsa, model noto‘g‘ri natija berishi mumkin). polynomial regression (ko‘phadli chiziqli regressiya) chiziqli regressiya faqat to‘g‘ri chiziq (linear) bog‘liqlikni aniqlaydi, lekin ko‘phadli regressiya (polynomial regression) egri chiziqli (non-linear) bog‘liqlikni modellashga yordam beradi. formula: misol: avtomobil tezligi va tormoz masofasi orasidagi bog‘liqlik. harorat va muz erish vaqti orasidagi bog‘liqlik. ko‘phadli regressiyaning muammosi – agar daraja juda katta bo‘lsa, ortiqcha moslashish (overfitting) yuzaga keladi. ridge regression (rij regressiya yoki l2 regulyarizatsiy) bu chiziqli regressiyaning regulyarizatsiya (penalizatsiya) qilingan turi bo‘lib, ortiqcha moslashish (overfitting) muammosini oldini oladi. formula (l2 regulyarizatsiya bilan): bu yerda: λ – regulyarizatsiya koeffitsiyenti (katta bo‘lsa, parametrlar kamayadi), – og‘irliklar kvadrat yig‘indisi (l2 normasi). afzalliklari: ✔ ko‘p o‘zgaruvchilarda ishlaydi. ✔ multikollinearlik muammosini kamaytiradi. ✔ overfitting oldini oladi. lasso regression (l1 regulyarizatsiya) bu ridge regression ga o‘xshash bo‘lib, faqat bu yerda l1 normasi ishlatiladi. u ba’zi koeffitsiyentlarni nolga tenglab, keraksiz o‘zgaruvchilarni yo‘q qiladi. …

3 / 22

i). chiziqli regressiya turlari va ularning taqqoslanishi regressiya turi mustaqil o‘zgaruvchilar soni moslashuv turi simple linear regression 1 chiziqli multiple linear regressi ko‘p chiziqli polynomial regression ko‘p egri chiziqli ridge regression ko‘p chiziqli lasso regression ko‘p chiziqli elastic net regression ko‘p chiziqli logistic regression logistik regressiya — tasniflash (classification) muammolarini yechish uchun ishlatiladigan statistik va mashinani o‘rganish (machine learning) algoritmlaridan biridir. u chiziqli regressiyaga o‘xshaydi, lekin natijalarni ehtimollik shaklida qaytaradi va kategoriya (class) ko‘rinishida tasniflaydi. logistik regressiya formulasi logistik regressiyaning umumiy chiziqli tenglamasi quyidagicha: bu chiziqli kombinatsiya bo‘lib, uni sigmoid funksiyasi orqali ehtimollikka aylantiramiz: bu yerda: — natijaning 1 sinfga tegishli bo‘lish ehtimoli. — sigmoid funksiyasi, natijani 0 va 1 oralig‘iga tushiradi. — og‘irlik (weights, coefficients). — mustaqil o‘zgaruvchilar (features). logistik regressiyaning ishlashi 1️⃣ chiziqli kombinatsiyani hisoblash: 2️⃣ sigmoid funksiyasini qo‘llash: 3️⃣ threshold (chegara qiymati) bilan tasniflash: agar , natija 1 (pozitiv sinf). agar , natija 0 (negativ sinf). …

4 / 22

(splitting) orqali qaror qabul qiladi. qaror daraxtining ishlashi qaror daraxti quyidagi uch asosiy bosqichda ishlaydi: 1️⃣ ma’lumotlarni bo‘lish (splitting) har bir tugunda eng yaxshi xususiyat (feature) tanlanadi. eng yaxshi ajratish mezoni gini indeksi yoki entropiya asosida aniqlanadi. 2️⃣ daraxt chuqurligini nazorat qilish (pruning) juda chuqur daraxt overfitting bo‘lishiga olib kelishi mumkin. pruning yordamida ortiqcha chuqurlik olib tashlanadi. 3️⃣ yakuniy qaror qabul qilish ma’lumot oxirgi barg tugunga yetib borganda, u yakuniy tasnif yoki bashoratni beradi. qaror daraxtining afzalliklari va kamchiliklari afzalliklari: ✔ oddiy va tushunarli – daraxtni vizual ko‘rinishda sharhlash oson. ✔ no-chiziqli bog‘liqlikni aniqlaydi – murakkab naqshlarni o‘rganadi. ✔ xususiyatlarni oldindan o‘zgartirish shart emas – skalirlash yoki normalizatsiya talab qilinmaydi. ✔ kategorik va sonli ma’lumotlar bilan ishlaydi. kamchiliklari: 🚫 overfitting muammosi – daraxt juda chuqur bo‘lsa, faqat trening ma’lumotlari bilan yaxshi ishlaydi, lekin yangi ma’lumotlarda noto‘g‘ri natija beradi. 🚫 muvaffaqiyatsiz bo‘lishi mumkin – agar noto‘g‘ri mezonlar tanlansa, daraxt yaxshi natija …

5 / 22

akkab tuzilishga moslashuvchan, lekin ortiqcha moslashish (overfitting) muammosiga duch kelishi mumkin. image1.png image2.png image3.jpeg image4.png image5.png image6.png image7.png image8.png image9.png image10.png image11.png image12.png image13.png image14.png image15.png image16.png

Ko'proq o'qimoqchimisiz?

Barcha 22 sahifani Telegram orqali bepul yuklab oling.

To'liq faylni yuklab olish

"sun’iy neyron tarmoq modeli" haqida

lecture1:introduction 4-ma’ruza: linear regression, logistic regression, decision tree. 1 sun’iy neyron tarmoq modeli. modelini baholash activation functions linear regression chiziqli regressiya — bashorat qilish va bog‘liqlikni tahlil qilish uchun ishlatiladigan asosiy statistik va mashinani o‘rganish (machine learning) algoritmlaridan biri. u mustaqil o‘zgaruvchilar (features) va bog‘liq o‘zgaruvchi (target) orasidagi chiziqli bog‘liqlikni topishga asoslangan. chiziqli regressiyaning umumiy formulasi chiziqli regressiyaning umumiy ko‘rinishi: bu yerda: y — bashorat qilinadigan natija (dependent variable) — mustaqil o‘zgaruvchilar (features) — intersept (bias) — og‘irliklar (weights, coefficients) — xatolik (error) ushbu modelni ma'lumotlarga moslashtirish orqali eng yaxshi qiyma...

Bu fayl PPTX formatida 22 sahifadan iborat (1,5 MB). "sun’iy neyron tarmoq modeli"ni yuklab olish uchun chap tomondagi Telegram tugmasini bosing.

Teglar: sun’iy neyron tarmoq modeli PPTX 22 sahifa Bepul yuklash Telegram