metrik klassifikatorlar. regressiya

PPTX 26 стр. 1,8 МБ Бесплатная загрузка

26 стр.

FaylHub.uz

Скачать через Telegram

Размер 1,8 МБ

Тип файла PPTX

Страницы 26

Обновлено Дек 2025

Предварительный просмотр (5 стр.)

Прокрутите вниз 👇

1 / 26

prezentatsiya powerpoint mavzu-5. metrik klassifikatorlar. regressiya metrik klassifikator metrik klassifikatorning umumlashgan ko'rinishi: k yaqin qo'shni usuli: k ni tanlash k ni optimal tanlash usullaridan biri – suriluvchi nazorat usulidan (leave-one-out, loo), obyektlarni bittadan o'chirib tekshirish orqali aniqlanadi. har bir xi obyekt uchun u o'zining k qo'shnisi orqali to'g'ri sinfga ajratilayotganligi tekshiriladi. agar xi obyektning o'zi o'rgatuvchi tanlanmadan chiqarib tashlanmasa, u doim o'ziga o'zi eng yaqin qo'shni bo'ladi va loo(k) funksional minimal qiymatiga doim k=1 bo'lganda erishadi k ni tanlash (iris dataset) qo'shnilar soni xato chastotasi obyektning o'zi qo'shni sifatida hisobga olinganda loo usulidagi xato miqdori k yaqin qo'shnilar (vaznli obyektlar) muammo: maksimumga bir nechta sinf uchun erishish. yechim – vaznli alomatlar: wi ni tanlash – evristika. chiziqli kamayuvchi vaznlar: nochiziqli (eksponensial) kamayuvchi vaznlar: parzen darchasi (oynasi) usuli alomatlar vaznlarini hisoblashning yana bir usuli – i-qo'shning rangidan emas, masofa funksiyasidan aniqlash. buning uchun k(z) o'smaydigan yadro funksiyasini kiritamiz. fiksirlangan kenglikli parzen …

2 / 26

r usuli = chiziqli klassifikator ikkita sinf chiziqli klassifikatsiya modeli: x obyektning yangi alomatlari (j-obyektgacha masofa) chiziqli klassifikator vaznlari alomatlar soni o'qitishdagi obyektlar soniga teng etalon obyektlar etalon obyektlar – o'z sinfining tipik vakillari. shovqin obyektlar – begona sinf vakillari orasidagi obyektlar. bunday obyektlarni aniqlash uchun obyektning chegeradan siljish tushunchasi kiritiladi. ko'rinishidagi klassifikatsiya algoritmiga nisbatan xi obyektning chegaradan siljishi: siljish manfiy qiymat bo'lganda algoritm xato ishlayotgan hisoblanadi. obyektlar turlari etalon obyektlar – yuqori musbat siljishga ega, atrofida o'z sinfi vakillari juda ko'p. o'z sinfining tipik vakillari. noinformativ obyektlar – musbat siljishga ega, lekin bu obyektlarni tanlanmadan chiqarib tashlash klassifikatsiya sifatiga ta'sir ko'rsatmaydi. chegara obyektlar – nolga yaqin siljishga ega. metrikani o'zgartirish yoki tanlanma tarkibini o'zgartirish ularning klassifikatsiyasiga ta'sir ko'rsatishi mumkin. xato obyektlar – manfiy siljishga ega, xato sinfga ajratilishi mumkin. algoritm modeli noto'g'ri qurilishi sababli. shovqin obyektlar – yuqori manfiy siljishga ega. atrofida boshqa sinf vakillari joylashgan va xato sinfga …

3 / 26

o va h darcha kengligining ta'siri gauss yadrosi – silliq yaqinlashish darcha kengligi approksimatsiya aniqligiga yuqori ta'sir ko'rsatadi. k yadro va h darcha kengligining ta'siri uchburchakli yadro – darcha kichik bo'lganda h radius sferasiga hech qaysi obyekt tushmadi darcha kengligi approksimatsiya aniqligiga yuqori ta'sir ko'rsatadi. k yadro va h darcha kengligining ta'siri to'rtburchakli yadro – bo'lakli doimiy yadro darcha kengligi approksimatsiya aniqligiga yuqori ta'sir ko'rsatadi. k yaqin qo'shni regressiya algoritmi o'rgatuvchi tanlanma berilgan bo'lsin: obyektlar to'plamida masofa funksiyasi aniqlangan bo'lsin: ixtiyoriy u obyekt uchun o'rgatuvchi tanlanma obyektlarigacha masofalar o'sish tartibida joylashtirilsin: regressiya uchun k yaqin qo'shni algoritmining ko'rinishi: k yaqin qo'shni regressiyasi k yaqin qo'shni regressiyasi image1.png image2.png image3.png 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 image17.png image18.png image19.png image20.png image21.png image24.png image22.wmf image23.wmf image25.png image26.png image27.png image28.png image29.png image30.png image31.png image32.png image33.png image37.png image34.wmf image35.wmf image36.wmf image38.png image39.png n x î ¡ y …

4 / 26

metrik klassifikatorlar. regressiya - Page 4

5 / 26

metrik klassifikatorlar. regressiya - Page 5

Хотите читать дальше?

Скачайте все 26 страниц бесплатно через Telegram.

Скачать полный файл

О "metrik klassifikatorlar. regressiya"

prezentatsiya powerpoint mavzu-5. metrik klassifikatorlar. regressiya metrik klassifikator metrik klassifikatorning umumlashgan ko'rinishi: k yaqin qo'shni usuli: k ni tanlash k ni optimal tanlash usullaridan biri – suriluvchi nazorat usulidan (leave-one-out, loo), obyektlarni bittadan o'chirib tekshirish orqali aniqlanadi. har bir xi obyekt uchun u o'zining k qo'shnisi orqali to'g'ri sinfga ajratilayotganligi tekshiriladi. agar xi obyektning o'zi o'rgatuvchi tanlanmadan chiqarib tashlanmasa, u doim o'ziga o'zi eng yaqin qo'shni bo'ladi va loo(k) funksional minimal qiymatiga doim k=1 bo'lganda erishadi k ni tanlash (iris dataset) qo'shnilar soni xato chastotasi obyektning o'zi qo'shni sifatida hisobga olinganda loo usulidagi xato miqdori k yaqin qo'shnilar (vaznli obyektlar) muammo: maksim...

Этот файл содержит 26 стр. в формате PPTX (1,8 МБ). Чтобы скачать "metrik klassifikatorlar. regressiya", нажмите кнопку Telegram слева.

Теги: metrik klassifikatorlar. regres… PPTX 26 стр. Бесплатная загрузка Telegram