Назад

mashinali o‘qitishda sinflashtirishning klassik aloritmlarini ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholash

PDF 16 стр. 827,5 КБ Бесплатная загрузка

Предварительный просмотр (5 стр.)

Прокрутите вниз 👇
1 / 16
o’zbekiston respublikasi oliy ta’lim va inovatsiyalar vazirligi o’zbekiston respublikasi raqamli texnologiyalar vazirligi muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti sun’iy intellekt asoslari dedlayn ish 2 bajardi: murodjon toshkent 2025 amaliy ishlar bo‘yicha 2-topshiriq mavzu: mashinali o‘qitishda sinflashtirishning klassik aloritmlarini ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholash. ishdan maqsad: mashinali o‘qitishda ishlatiladigan sinflashtirishning klassik aloritmlarini python dasturlash tili kutubxonalaridan foydalanib amalga oshirish va ularning ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholashni o‘rganish. nazariy qism nazorat ostidagi mashinani oʻqitish algoritmini keng ma’noda regressiya va sinflashtirish algoritmlariga ajratish mumkin. regressiya algoritmlarida biz uzluksiz qiymatlar uchun chiqishni bashorat qildik, ammo toifali qiymatlarni bashorat qilish uchun bizga sinflashtirish algoritmlari kerak. sinflashtirish algoritmi - bu oʻquv ma’lumoti to‘plamlari asosida yangi kuzatuvlar toifasini aniqlash uchun foydalaniladigan nazorat ostida oʻqitish usulidir. sinflashtirishda dastur berilgan ma’lumotlar toʻplami yoki kuzatishlardan oʻrganadi va keyin yangi kuzatuvni sinflar yoki guruhlarga tasniflaydi. masalan, ha yoki yoʻq, 0 yoki 1, spam yoki spam emas, …
2 / 16
qsadi ma’lum ma’lumotlar toʻplamining toifasini aniqlashdir. bu algoritmlar asosan toifali ma’lumotlarning chiqishini bashorat qilish uchun ishlatiladi. sinflashtirish algoritmlarini quyidagi chizma yordamida yaxshiroq tushunish mumkin (8.1-rasm). quyidagi chizmada ikkita sinf: a sinf va b sinf mavjud. bu sinf elementlari bir-biriga oʻxshaydigan va boshqa sinflarga oʻxshamaydigan xususiyatlarga ega. 8.1-rasm. ikki sinfli sinflashtirish sinflashtirishning ikki turi mavjud: • ikkilik sinflashtirish: agar sinflashtirish muammosi faqat ikkita mumkin boʻlgan natijaga ega boʻlsa, u ikkilik sinflashtirish deb ataladi. misollar: ha yoki yoʻq, erkak yoki ayol, spam yoki spam emas, mushuk yoki it va hokazo. • koʻp toifali sinflashtirish: agar tasniflash muammosi ikkitadan ortiq natijaga ega boʻlsa, u koʻp toifali sinflashtirish deb ataladi. misol: ekin turlarining tasnifi, musiqa turlarining tasnifi. tasniflash masalalarida sinflashtirish model(algoritm)larni ikki turi mavjud: dangasa oʻquvchilar (lazy learners): birinchi navbatda oʻquv (training) ma’lumotlar toʻplamini saqlaydi va test ma’lumotlar toʻplamini olguncha kutadi. bu holatda sinflashtirish oʻquv ma’lumotlar toʻplamida saqlangan eng tegishli ma’lumotlar asosida amalga oshiriladi. …
3 / 16
modellar: • k-yaqin qoʻshnilar (k-nearest neighbours) • yadro svm (kernel svm) • sodda bayes (naïve bayes) • qaror daraxti tasnifi (decision tree classification) • tasodifiy oʻrmon tasnifi (random forest classification) sinflashtirish algoritmlari turli sohalarda ishlatilishi mumkin. quyida sinflashtirish algoritmlaridan ba’zi mashhur foydalanish holatlari keltirilgan: • elektron pochta spamlarini aniqlash (email spam detection) • nutqni tanish (speech recognition) • saraton oʻsimta hujayralarini aniqlash (identifications of cancer tumor cells) • dori vositalarining tasnifi (drugs classification) • biometrik identifikatsiya va boshqalar (biometric identification, etc). regressiya va sinflashtirish algoritmlari nazorat ostida oʻqitish algoritmlaridir va ikkala algoritm ham mashinali oʻqitishda bashorat qilish va yorliqli ma’lumotlar toʻplami bilan ishlash uchun qo‘llaniladi. ammo ikkalasining farqi: ular turli xil mashinali oʻqitish muammolari uchun ishlatilishida. regressiya va sinflashtirish algoritmlari oʻrtasidagi asosiy farq shundaki, regressiya algoritmlari narx, ish haqi, yosh va boshqalar kabi uzluksiz qiymatlarni bashorat qilish uchun ishlatiladi va sinflashtirish algoritmlari erkak yoki ayol, toʻgʻri yoki notoʻgʻri, spam yoki …
4 / 16
ldi. o test to'plamida ham yaxshi natijalar ko'rsatildi. • qaror chegaralari grafigi chizilib, modelning sinflarni ajratishdagi samaradorligi vizual tarzda ko'rsatildi. 4. baholash: • modelni confusion_matrix va classification_report yordamida baholash amalga oshirildi. • har bir sinf bo'yicha aniqlik, sezgirlik va aniq tasniflash natijalari keltirildi. • xatolik matritsasi va aniqlik ko'rsatkichlari orqali modelning samaradorligi baholandi. 5. chora-tadbirlar: • boshqa sinflashtirish algoritmlari (knn, decision tree, random forest) yordamida ham xuddi shu jarayonni amalga oshirish mumkin. • svm va boshqa algoritmlar yordamida mukammal tasniflash modelini yaratish uchun qo'shimcha optimallashtirish va parametrlarni sozlash talab qilinadi. foydalanilgan adabiyotlat 1. raschka, s., & mirjalili, v. (2017). "python machine learning: machine learning and deep learning with python, scikit-learn, and tensorflow." packt publishing. 2. geron, a. (2019). "hands-on machine learning with scikit-learn, keras, and tensorflow: concepts, tools, and techniques to build intelligent systems." o'reilly media. 3. bishop, c. m. (2006). "pattern recognition and machine learning." springer. colabdagi havolasi: https://colab.research.google.com/drive/1zdt3tmfkbjvvhfr3di9iumbbdllxabsp?usp=sharing …
5 / 16
mashinali o‘qitishda sinflashtirishning klassik aloritmlarini ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholash - Page 5

Хотите читать дальше?

Скачайте все 16 страниц бесплатно через Telegram.

Скачать полный файл

О "mashinali o‘qitishda sinflashtirishning klassik aloritmlarini ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholash"

o’zbekiston respublikasi oliy ta’lim va inovatsiyalar vazirligi o’zbekiston respublikasi raqamli texnologiyalar vazirligi muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti sun’iy intellekt asoslari dedlayn ish 2 bajardi: murodjon toshkent 2025 amaliy ishlar bo‘yicha 2-topshiriq mavzu: mashinali o‘qitishda sinflashtirishning klassik aloritmlarini ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholash. ishdan maqsad: mashinali o‘qitishda ishlatiladigan sinflashtirishning klassik aloritmlarini python dasturlash tili kutubxonalaridan foydalanib amalga oshirish va ularning ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholashni o‘rganish. nazariy qism nazorat ostidagi mashinani oʻqitish algoritmini keng ma’noda regressiya va sinflashtirish al...

Этот файл содержит 16 стр. в формате PDF (827,5 КБ). Чтобы скачать "mashinali o‘qitishda sinflashtirishning klassik aloritmlarini ma’lumotlarni grafik tasvirlash asosida loss xatoliklarini baholash", нажмите кнопку Telegram слева.

Теги: mashinali o‘qitishda sinflashti… PDF 16 стр. Бесплатная загрузка Telegram

Похожие файлы

Вам также может понравиться

Показать все
mashinali o‘qitishda ma’lumotlarni grafik tasvirlash usullari — PPTX PPTX
mashinali o‘qitishda ma’lumotlarni grafik tasvirlash usullari
13 стр. 1,1 МБ
o‘lchash vositalarining xatoliklarini aniqlik sinfi asosida me’yorlash va baholash — PPTX PPTX
o‘lchash vositalarining xatoliklarini aniqlik sinfi asosida me’yorlash va baholash
16 стр. 86,8 КБ