1-topshiriq. Mashinani o’qitish. Lobe dasturida ishlash

5-topshiriq.Nazorat ostida o’qitish algoritimlari. Ridge Regression
Regression tahlil - bir yoki bir nechta mustaqil o'zgaruvchilarga ega bo'lgan bog'liq (maqsadli) va mustaqil (bashoratchi) o'zgaruvchilar o'rtasidagi munosabatlarni modellashtirishning statistik usuli. Aniqroq aytganda, regressiya tahlili boshqa mustaqil o'zgaruvchilar o'zgarmas bo'lganda, bog'liq o'zgaruvchining qiymati mustaqil o'zgaruvchiga mos ravishda qanday o'zgarishini tushunishga yordam beradi. Harorat, yosh, ish haqi, narx va boshqalar kabi doimiy/real qiymatlarni bashorat qiladi . Quyidagi misol yordamida regressiya tahlili tushunchasini tushunishimiz mumkin. Misol: Faraz qilaylik, A marketing kompaniyasi bor, u har yili turli reklamalar bilan shug'ullanadi va undan sotuv oladi. Quyidagi ro'yxatda kompaniyaning so'nggi 5 yil ichida qilgan reklamasi va tegishli sotuvlar ko'rsatilgan: MAHSULOT REKLAMASI MAHSULOT SAVDOSI 900 000 90 000 000 150 000 110 000 000 180 000 130 000 000 200 000 150 000 000 210 000 160 000 000 250 000 ? Endi kompaniya 2023-yilda 250 minglik reklama qilishni xohlaydi va bu yilgi sotuvlar haqidagi bashoratni bilmoqchi . Shunday qilib, mashinaviy o’qitishda bunday turdagi bashorat qilish muammolarini hal qilish uchun bizga regressiya tahlili kerak. Regressiya - bu o'zgaruvchilar o'rtasidagi korrelyatsiyani topishga yordam beradigan va bir yoki bir nechta bashorat qiluvchi o'zgaruvchilar asosida uzluksiz chiqish o'zgaruvchisini bashorat qilish imkonini beradigan nazoratli o'rganish usuli. U asosan bashorat qilish, prognozlash, vaqt seriyalarini modellashtirish va o'zgaruvchilar o'rtasidagi sabab-ta'sir munosabatlarini aniqlash uchun ishlatiladi . Regressiyada biz berilgan ma'lumotlar nuqtalariga eng mos keladigan o'zgaruvchilar o'rtasida grafik chizamiz, ushbu sxemadan foydalanib, mashinaviy o’qitish modeli ma'lumotlar haqida bashorat qilishi mumkin. Oddiy so'z bilan aytganda, "Regressiya maqsadli bashorat qiluvchi grafikdagi barcha ma'lumotlar nuqtalaridan o'tadigan chiziq yoki egri chiziqni ko'rsatadi, shunda ma'lumotlar nuqtalari va regressiya chizig'i orasidagi vertikal masofa minimal bo'ladi." Ma'lumotlar nuqtalari va chiziq o'rtasidagi masofa model kuchli munosabatlarga ega yoki yo'qligini ko'rsatadi. Regressiya tahlili bilan bog'liq atamalar:  Bog'liq o'zgaruvchi: Biz bashorat qilmoqchi bo'lgan yoki tushunmoqchi bo'lgan regressiya tahlilidagi asosiy omilga bog'liq o'zgaruvchi deyiladi. U maqsadli o'zgaruvchi deb ham ataladi .  Mustaqil o'zgaruvchi: bog'liq o'zgaruvchilarga ta'sir qiluvchi yoki bog'liq o'zgaruvchilar qiymatlarini bashorat qilish uchun foydalaniladigan omillar mustaqil o'zgaruvchi deb ataladi, shuningdek, bashorat qiluvchi deb ham ataladi .  Chiqib ketishlar: Chiqib ketish - bu boshqa kuzatilgan qiymatlarga nisbatan juda past yoki juda yuqori qiymatni o'z ichiga olgan kuzatish. Chiqib ketish natijaga xalaqit berishi mumkin, shuning uchun undan qochish kerak.  Multikollinearlik: Agar mustaqil o'zgaruvchilar boshqa o'zgaruvchilarga qaraganda bir-biri bilan yuqori korrelyatsiya bo'lsa, bunday holat Multikollinearlik deb ataladi. U ma'lumotlar to'plamida bo'lmasligi kerak, chunki u eng ko'p ta'sir qiluvchi o'zgaruvchini tartiblashda muammo yaratadi.  Noto'g'ri moslashtirish va haddan tashqari moslashtirish: Agar bizning algoritmimiz o'quv ma'lumotlar to'plami bilan yaxshi ishlasa, lekin test ma'lumotlar to'plami bilan yaxshi ishlamasa, bunday muammo Overfitting deb ataladi . Va agar bizning algoritmimiz hatto o'quv ma'lumotlar to'plamida ham yaxshi ishlamasa, bunday muammo deyiladi underfitting .