scikit-learn platformasi

PPTX 23 pages 2.3 MB Free download

23 pages

FaylHub.uz

Download via Telegram

Size 2.3 MB

File type PPTX

Pages 23

Updated Dec 2025

Page preview (5 pages)

Scroll down 👇

1 / 23

o‘zbekiston respublikasi raqamli texnologiyalar vazirligi muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti “timsollarni tanib olish tizimlari” fanidan 1 - mustaqil ish mavzu: “scikit-learn mashinani o'qitish uchun ochiq kodli platformasi imkoniyatlarini yoritish” bajardi: batirov n tekshirdi: xudayberdiyev m reja: scikit learn nima? tasniflash regressiya klasterlash o’lchamlarni kamaytirish scikit learn afzalliklari va kamchiliklari xulosa foydalanilgan adabiyotlar scikit - learn scikit-learn nima? scikit-learn (sklearn nomi bilan ham tanilgan) - bu machine learning uchun keng qo'llaniladigan ochiq manba python kutubxonasi. u numpy, scipy va matplotlib kabi boshqa ilmiy kutubxonalarga asoslanib, bashoratli maʼlumotlarni tahlil qilish va maʼlumotlarni qazib olish uchun samarali vositalarni taqdim etadi. u tasniflash, regressiya, klasterlash, o'lchamlarni kamaytirish, model tanlash va oldindan ishlov berishni o'z ichiga olgan nazorat ostidagi va nazoratsiz o'rganish algoritmlari uchun izchil va oddiy interfeysni taklif etadi. nima uchun scikit-learn ni o’rganamiz? algoritmlarning keng assortimenti: scikit-learn tasniflash, regressiya, klasterlash va o'lchamlarni kamaytirish uchun algoritmlarning boy tanloviga kirish imkonini beradi. foydalanish …

2 / 23

an belgilangan sinfga belgilashdir, masalan, spam va spam bo'lmagan elektron pochta xabarlari yoki kasal va sog'lom bemorlar. misol uchun, tasniflash modeli itlar yoki mushuklar sifatida belgilangan tasvirlar ma'lumotlar to'plamiga o'rgatilgan bo'lishi mumkin va undan rang, tekstura yoki shakl kabi xususiyatlariga qarab itlar yoki mushuklar kabi yangi va ko'rilmagan tasvirlar sinfini bashorat qilish uchun foydalanish mumkin. mlda tasniflashni tushuntirib, gorizontal o'q rang va tekstura xususiyatlarining birlashtirilgan qiymatlarini ifodalaydi. vertikal o'q shakl va o'lcham xususiyatlarining birlashtirilgan qiymatlarini ifodalaydi. syujetdagi har bir rangli nuqta individual tasvirni ifodalaydi, rang esa modelning it yoki mushuk bo‘lishini bashorat qilishini ko‘rsatadi. syujetdagi soyali joylar qaror chegarasini ko'rsatadi, bu chiziq yoki mintaqa tasvir qaysi toifaga (it yoki mushuk) tegishli ekanligini aniqlash uchun foydalanadi. model chegaraning bir tomonidagi tasvirlarni o‘z xususiyatlariga ko‘ra itlarga, ikkinchi tomonida esa mushuklarga ajratadi. real hayotda machine learning tasnifiga misollar kredit tavakkalchiligini baholash: algoritmlar kredit ballari, daromadlar va kredit tarixi kabi omillarni tahlil qilib, kredit …

3 / 23

ini aniqlash. korxonalar bundan mijozlar fikrini tushunish, mahsulot va xizmatlarni yaxshilashga yordam berish uchun foydalanadilar. firibgarlikni aniqlash: algoritmlar tranzaksiya shakllarini tahlil qilish va kredit kartalaridagi firibgarlik va boshqa moliyaviy jinoyatlardan himoya qilishda muhim bo‘lgan anomaliyalarni aniqlash orqali firibgarlik faoliyatini aniqlaydi. tavsiya tizimlari: netflix-da filmlar yoki amazon-dagi mahsulotlarni taklif qilish kabi o'tmishdagi foydalanuvchi xatti-harakatlariga asoslangan mahsulotlar yoki kontentni tavsiya qilish uchun foydalaniladi. ushbu shaxsiylashtirish foydalanuvchi qoniqishini va biznes uchun sotuvni oshiradi. machine learning da regressiya tasniflash va regressiya nazorat ostidagi mashinalarni o'rganishda ikkita asosiy vazifa bo'lib, bunda asosiy farq mahsulotning tabiatida bo'ladi: tasniflash diskret natijalar bilan bog'liq (masalan, ha/yo'q, toifalar), regressiya esa doimiy qiymatlarni (masalan, narx, harorat) boshqaradi. ikkala yondashuv ham ta'lim uchun belgilangan ma'lumotlarni talab qiladi, ammo maqsadlarida farqlanadi - tasniflash sinflarni ajratib turadigan qaror chegaralarini topishga qaratilgan, regressiya esa raqamli natijalarni bashorat qilish uchun eng mos keladigan chiziqni topishga qaratilgan. ushbu farqlarni tushunish muayyan mashinani o'rganish vazifalari uchun to'g'ri …

4 / 23

usiyatlariga qarab klasterlarga birlashtiradi. maqsad bitta klasterdagi ma'lumotlar nuqtalarining turli klasterlardagilarga qaraganda bir-biriga o'xshashligini ta'minlash, murakkab ma'lumotlar to'plamlarida tabiiy guruhlar va yashirin naqshlarni ochish imkonini beradi. maqsad : belgilanmagan ma'lumotlarning tabiiy guruhlanishi yoki tuzilishini oldindan belgilangan toifalarsiz kashf etadi. natija : har bir guruhga klaster ichidagi umumiy xususiyatlarni ifodalovchi klaster identifikatori beriladi. misol uchun, agar bizda mijozlarning xaridlari haqida ma'lumotlar mavjud bo'lsa, klasterlash o'xshash xarid qilish odatlariga ega bo'lgan mijozlarni guruhlashi mumkin. ushbu klasterlardan maqsadli marketing, shaxsiy tavsiyalar yoki mijozlarni segmentatsiyalash uchun foydalanish mumkin. o'lchamlarni kamaytirish machine-learning modellari bilan ishlashda juda ko'p xususiyatlarga ega ma'lumotlar to'plamlari sekin hisoblash va ortiqcha moslama kabi muammolarni keltirib chiqarishi mumkin. o'lchovni qisqartirish asosiy ma'lumotlarni saqlab qolgan holda xususiyatlar sonini kamaytirishga yordam beradi. muhim tafsilotlarni saqlab, yuqori o'lchamli ma'lumotlarni pastki o'lchamli bo'shliqqa aylantiradi. masalan, yotoq xonalari, kvadrat metrlar va joylashuv kabi xususiyatlar bilan uy narxlarini taxmin qilish uchun model qurayotganingizda. xona holati yoki taxta turi …

5 / 23

o'shadi o'lchamni kamaytirgandan so'ng o'ng tomonda ma'lumotlar pastki o'lchamli bo'shliqlarda taqdim etiladi. yuqori chizma (xy) mazmunli tuzilmani saqlaydi, pastki chizma esa (zy) z o'lchami juda kam foydali ma'lumotga ega ekanligini ko'rsatadi. bu jarayon ma'lumotlar tahlilini yanada samaraliroq qiladi, shuning uchun hisoblash tezligi va vizualizatsiyani yaxshilaydi va ortiqcha miqdorni kamaytiradi dimensionality reduction ga misol clustering - kmeans algorithm ga misol scikit kutubxonasining afzalliklari foydalanish oson: machine-learning vazifalari uchun oddiy va foydalanuvchilar uchun qulay interfeys. algoritmni keng ko'lamli qo'llab-quvvatlash: tasniflash, regressiya, klasterlash va boshqalar kabi turli xil vazifalar uchun algoritmlarning keng spektrini taklif qiladi. ma'lumotlarni oldindan qayta ishlash asboblari: ma'lumotlarni oldindan qayta ishlash uchun vositalarni taqdim etadi, jumladan, masshtablash, normallashtirish va etishmayotgan qiymatlarni qayta ishlash. modelni baholash: model ishlashini baholash uchun ko'rsatkichlar va ishonchli baholash uchun o'zaro tekshirish kabi usullarni taklif qiladi. integratsiya: numpy, pandas va matplotlib kabi boshqa python kutubxonalari bilan yaxshi integratsiyalashgan. scikit kutubxonasining kamchiliklari cheklangan chuqur o'rganishni qo'llab-quvvatlash: tensorflow …

Want to read more?

Download all 23 pages for free via Telegram.

Download full file

About "scikit-learn platformasi"

o‘zbekiston respublikasi raqamli texnologiyalar vazirligi muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti “timsollarni tanib olish tizimlari” fanidan 1 - mustaqil ish mavzu: “scikit-learn mashinani o'qitish uchun ochiq kodli platformasi imkoniyatlarini yoritish” bajardi: batirov n tekshirdi: xudayberdiyev m reja: scikit learn nima? tasniflash regressiya klasterlash o’lchamlarni kamaytirish scikit learn afzalliklari va kamchiliklari xulosa foydalanilgan adabiyotlar scikit - learn scikit-learn nima? scikit-learn (sklearn nomi bilan ham tanilgan) - bu machine learning uchun keng qo'llaniladigan ochiq manba python kutubxonasi. u numpy, scipy va matplotlib kabi boshqa ilmiy kutubxonalarga asoslanib, bashoratli maʼlumotlarni tahlil qilish va maʼlumotlarni qazib olish ...

This file contains 23 pages in PPTX format (2.3 MB). To download "scikit-learn platformasi", click the Telegram button on the left.

Tags: scikit-learn platformasi PPTX 23 pages Free download Telegram