o‘qituvchisiz o‘qitish

PPTX 28 стр. 173,8 КБ Бесплатная загрузка

28 стр.

FaylHub.uz

Скачать через Telegram

Размер 173,8 КБ

Тип файла PPTX

Страницы 28

Обновлено Дек 2025

Предварительный просмотр (5 стр.)

Прокрутите вниз 👇

1 / 28

bilimlar bazasi. bilimlarni namoyish etish. bilimlarni ajratib olish usullari. bilimlarni taqdim etish modellari (freym, produksion, mantiqiy va semantik). noravshan mantiq modellari. bayes teoremasi. ekspert tizimlari. o‘qituvchisiz o‘qitish. k-means clustering o‘qituvchisiz o‘qitishga kirish o‘qituvchisiz o‘qitish — bu mashinali o‘qitish usuli bo‘lib, modelga belgilangan (label) ma’lumotlar berilmaydi. model mustaqil ravishda ma’lumotlar orasidagi tuzilma, o‘xshashlik yoki naqshlarni aniqlashga harakat qiladi. o‘qituvchisiz o‘qitish — bu katta va chalkash ma’lumotlar ichidan ma’no chiqarishga yordam beradigan, foydali va zarur yondashuv hisoblanadi o‘qituvchisiz o‘qitish nima uchun kerak? hayotda ko‘p ma’lumotlar belgilanmagan bo‘ladi. masalan: mijozlar bazasida hech qanday kategoriya ko‘rsatilmagan bo‘lishi mumkin. rasmlar bor, lekin unda nima tasvirlanganligini aniqlash mumkin emas. sensorlardan tushgan ma’lumotlar, ammo ular nima anglatishini bilmaymiz. shu kabi holatlarda model o‘zi mustaqil tarzda bu ma’lumotlar orasidagi aloqalarni, tuzilmalarni topishga harakat qiladi. o‘qituvchisiz o‘qitishga kirish o‘qituvchisiz o‘qitish bizga yashirin bilimlarni ochib beruvchi kuchli vositadir. ayniqsa, bizda ko‘p ma’lumot bor, lekin ularning mohiyatini tushunish qiyin bo‘lsa — …

2 / 28

lda ma'lumotlar guruhlarga ajratiladi, bu guruhlar bir-biriga o‘xshash xususiyatlarga ega bo‘ladi. bu metodning asosiy vazifasi — ma'lumotlar orasidagi o‘xshashliklarni aniqlash. k-means(k — oldindan berilgan guruhlar soni, har bir nuqtani eng yaqin markazga (centroid) bog‘laydi.) bu algoritm, ma'lumotlarni k ta guruhga ajratadi va har bir guruhdagi elementlarni markazga eng yaqin qilib joylashtiradi. k-means, masalan, mijozlarni xarid qilish xatti-harakatlari bo‘yicha segmentatsiya qilishda ishlatilishi mumkin. hierarchical clustering daraxt ko‘rinishida guruhlash (dendrogram hosil qiladi).(ikkita turi: agglomerative (pastdan yuqoriga), divisive (yuqoridan pastga).) bu usulda ma'lumotlar bir-biriga yaqinligi asosida daraxtsimon tuzilma hosil qilib, guruhlarga ajratiladi. bu metodni tibbiyotda bemorlarni davolash protokollariga qarab guruhlashda qo‘llash mumkin. dbscan (density-based spatial clustering of applications with noise)-(densiklik (zichlik) asosida guruhlash., outlier yoki "g‘alati" nuqtalarni ham aniqlaydi., klaster sonini oldindan berish shart emas.) o‘qituvchisiz o‘qitish algoritmlari 2. dimensionality reduction algoritmlari(ma’lumotdagi asosiy xususiyatlarni ajratib, o‘lchamni kamaytiradi.) ma'lumotlarni ko‘p o‘lchamli (ko‘p xususiyatli) shakldan bir necha o‘lchamli shaklga qisqartirish uchun ishlatiladi. o‘lchamlarni kamaytirish asosiy …

3 / 28

aydi.,o‘rganish jarayonida ma’lumotning yashirin tuzilmasini o‘zlashtiradi oʻqituvchisiz oʻqitish oʻqituvchisiz oʻqitish (unsupervised learning). oʻqituvchisiz oʻqitish usulidan maqsad, belgilanmagan maʼlumotlar orqali modelni oʻrgatish hisoblanadi. masalan, bizda bir qancha meva rasmlari bor va ular belgilanmagan (ya’ni, qaysi rasmda qanday meva borligi haqida bizda maʼlumot yoʻq). lekin oʻqituvchisiz oʻqitish usullaridan foydalanib modelni ushbu belgilanmagan rasmlar orqali oʻqitamiz, bunda model oʻrganish jarayonida maʼlumot birliklarining oʻxshashlik alomatlariga qarab (rangi, shakli, mazasi va hk.) tasniflay oladi. o‘qituvchisiz o‘qitish va k-means clustering o‘qituvchisiz o‘qitish (unsupervised learning) va k-means clustering bir-biriga bog‘liq tushunchalar bo‘lib, ular ma'lumotlarni tahlil qilishda va o‘rganish jarayonida o‘zaro aloqaga ega. k-means clustering — bu o‘qituvchisiz o‘rganish algoritmlaridan biri bo‘lib, asosiy maqsadi ma'lumotlarni bir nechta guruhlarga ajratishdir. bu metodda, har bir guruh o‘zining o‘ziga xos xususiyatlari yoki "markeri" (cluster center) orqali aniqlanadi. k-means clustering algoritmi qanday ishlaydi: guruhlarni tanlash (k): dastlab, o‘quvchi algoritmga qaysi sonli guruhlar (k) kerakligini belgilaydi. masalan, agar k=3 bo‘lsa, algoritm ma'lumotlarni uchta …

4 / 28

algoritmi: k-means algoritmi asosan quyidagi qadamlar orqali ishlaydi: step 1: k guruhlarini tanlash (k value): k-means algoritmi, avvalo, guruhlar sonini (k) belgilashni talab qiladi. bu son ko‘pincha tajriba, ma'lumotlar o‘lchami, yoki boshqa ko‘rsatkichlar asosida aniqlanadi. agar k qiymati noto‘g‘ri tanlansa, natijalar past sifatli bo‘lishi mumkin. step 2: markazlarni (centroids) tasodifiy tanlash: dastlab, algoritm k ta markaz (centroid)ni tasodifiy ravishda tanlaydi. har bir markaz guruhning markaziga mos keladi. step 3: ma'lumotlarni guruhlarga ajratish: har bir ma'lumot nuqtasi, o‘zining eng yaqin markaziga qarab guruhlanadi. bu, masalaning geometrik jihatidan nuqtalar orasidagi masofa (odatda, euclid masofasi) orqali hisoblanadi. nuqtaning yaqinligi eng kichik masofada bo‘lgan markazga qarab belgilanadi. k-means algoritmi: step 4: markazlarni yangilash: har bir guruhdagi nuqtalar o‘rtasidagi o‘rtacha qiymat (o‘rtacha markaz) hisoblanadi va bu yangi markaz (centroid) sifatida yangilanadi. step 5: takrorlash: 3-4 qadamlar takrorlanadi: guruhlar qayta belgilanadi va markazlar yangilanadi. bu jarayon markazlar bir xil bo‘lib qolganida yoki maksimal iteratsiya soniga yetganida …

5 / 28

sh vazifasining turlaridan biri bo'lib, unda modelning maqsadi ma'lumotlarni o'xshashliklari asosida guruhlarga yoki klasterlarga bo'lishdir. klasterlash vazifalariga misol sifatida foydalanuvchilarni xatti-harakatlariga qarab guruhlash yoki ularning mazmuniga qarab rasmlarni ajratish mumkin. klasterlash - bu qandaydir mezon boʻyicha bir klasterdagi obʼyektlar boshqa klasterlar obʼyektlariga qaraganda bir-biriga oʻxshash boʻladigan tarzda obʼyektlar toʻplamini kichik toʻplamlarga (klasterlarga) guruhlash vazifasidir. klasterlash muammosi nazoratsiz ta'lim muammolari sinfiga kiradi. ushbu usul ma'lumotlarni tahlil qilish, marketing, bioinformatika va boshqa sohalarda keng qo'llaniladi. o`qituvchisiz o`qitish (klasterlash) misol marketingda mijozlarni segmentlarga bo'lish uchun klasterlash qo'llaniladi. masalan, kompaniyalar o'z mijozlarini yoshi, daromadi, afzalliklari va boshqa xususiyatlariga qarab guruhlarga bo'lishlari mumkin. bu sizga ko'proq maqsadli marketing kampaniyalarini yaratish va mijozlarga xizmat ko'rsatishni yaxshilash imkonini beradi.. o`qituvchisiz o`qitish (klasterlash) misol bioinformatikada klasterlash genomik ma'lumotlarni tahlil qilishga yordam beradi. genomik ma'lumotlar asosida bemorlarni (yoki to'qimalarni) o'xshashliklarga qarab klasterlarga ajratish mumkin.misol uchun, tadqiqotchilar o'xshash ifodalarga ega genlarni guruhlash uchun klasterlashdan foydalanishlari mumkin, bu gen funktsiyasini aniqlashga …

Хотите читать дальше?

Скачайте все 28 страниц бесплатно через Telegram.

Скачать полный файл

О "o‘qituvchisiz o‘qitish"

bilimlar bazasi. bilimlarni namoyish etish. bilimlarni ajratib olish usullari. bilimlarni taqdim etish modellari (freym, produksion, mantiqiy va semantik). noravshan mantiq modellari. bayes teoremasi. ekspert tizimlari. o‘qituvchisiz o‘qitish. k-means clustering o‘qituvchisiz o‘qitishga kirish o‘qituvchisiz o‘qitish — bu mashinali o‘qitish usuli bo‘lib, modelga belgilangan (label) ma’lumotlar berilmaydi. model mustaqil ravishda ma’lumotlar orasidagi tuzilma, o‘xshashlik yoki naqshlarni aniqlashga harakat qiladi. o‘qituvchisiz o‘qitish — bu katta va chalkash ma’lumotlar ichidan ma’no chiqarishga yordam beradigan, foydali va zarur yondashuv hisoblanadi o‘qituvchisiz o‘qitish nima uchun kerak? hayotda ko‘p ma’lumotlar belgilanmagan bo‘ladi. masalan: mijozlar bazasida hech qanday kategoriya ko...

Этот файл содержит 28 стр. в формате PPTX (173,8 КБ). Чтобы скачать "o‘qituvchisiz o‘qitish", нажмите кнопку Telegram слева.

Теги: o‘qituvchisiz o‘qitish PPTX 28 стр. Бесплатная загрузка Telegram