8-ámeliy jumıs Tema: Mashinalı oqıtıwda oqıtıwshısız oqıtıw algoritmlerin úyreniw hám olardı programmalastırıw. Jumıstıń maqseti

Qadaǵalaw etilmeytuǵın tálim - bul maǵlıwmatlardıń úlgilerin tabıw ushın isletiletuǵın mashinalı oqıtıw (ML) texnikası klası bolıp tabıladı. Qadaǵalaw etilbeytuǵın algoritmlarǵa berilgen maǵlıwmatlar belgi menen belgilenbegen, bul tek sáykes keletuǵın shıǵıw ózgeriwshisiz tek kirisiw ózgeriwshileri (x) berilgenligin ańlatadı. Qadaǵalaw etilmesten úyreniwde algoritmlar maǵlıwmatlardıń qızıqlı strukturaların óz-ózinen tabıwǵa múmkinshilik beredi.

Yan Lecun, VP hám Facebook-dıń jasalma intellekt boyınsha bas qánigesi, qadaǵalawsız úyreniw - oqıtıw mashinaları ózleri ushın úyreniwleri kerek, eger olar qılıp atırǵan hár bir zat tuwrı yamasa nadurıs bolsa, olarǵa anıq boljaw kerek emes - bul " haqıyqıy AI" dıń gilti.

Qadaǵalaw etilmegen hám basqalardı qadaǵalawsız úyrengenler

Qadaǵalaw astında oqıtıwda sistema aldınǵı keltirilgen mısallardan úyreniwge háreket etedi. Qadaǵalaw etilmesten úyreniwde sistema belgilengenlerdi tuwrıdan-tuwrı keltirilgen mısaldan tabıwǵa háreket etedi. Sonday etip, eger maǵlıwmatlar kompleksi belgilengen bolsa, bul qadaǵalaw etiletuǵın mashqala, hám eger maǵlıwmatlar kompleksi belgilenbegen bolsa, ol jaǵdayda bul qadaǵalawsız mashqala.


Qadaǵalaw etilmegen úyreniw
Qadaǵalaw etilmegen úyreniw - bul hesh qanday belgilenbegen juwaplardı óz ishine alǵan hám adamlardıń óz-ara tásirisiz maǵlıwmatlar kompleksinde ilgeri belgisiz bolǵan belgilengenlerdi qıdıratuǵın mashinada úyreniw algoritmı. Qadaǵalaw etilmegen oqıtıwdıń eń kózge kóringen usılları bul klasterli analiz hám tiykarǵı komponentlerdi analiz qılıw bolıp tabıladı.
Tómende qadaǵalaw astında hám qadaǵalawsız úyreniwdi qanday kóriw múmkinligin ápiwayı suwretleytuǵın suwreti keltirilgen.


Qadaǵalanatuǵın oqıtıw Qadaǵalanbaytuǵın oqıtıw

Sheptegi súwret qadaǵalaw astında úyreniwge mısal (biz funktsiyalar arasındaǵı eń jaqsı sızıqtı tabıw ushın regressiya usıllarınan paydalanamız ). Qadaǵalaw etilmegen úyreniwde maǵlıwmatlar ayrıqshalıqlarǵa qaray ajratıladı hám boljaw qaysı klasterge tiyisli bolıwına tiykarlanadı.
QADAǴALANATUǴIN OQÍTÍW USHÍN MAǴLÍWMATLARDÍ TAYARLAW
Biziń mısalımız ushın Iris malumotlar tóplamnan boljaw ushın paydalanamız. Maǵlıwmatlar toplamında tórt atribut boyınsha 150 dana jazıwlar toplamı bar – japraq uzınlıǵı, japraq keńligi, sepal uzınlıq, sepal keńligi hám úsh iris klassları: setosa, virginica hám versicolor. Biz gúlimizdiń tórt qásiyetin belgisiz hám algoritm menen táminleymiz hám ol iristiń qaysı klassqa tiyisli ekenin boljaydı.
Python-daǵı scikit-learn kitapxanasınan maǵlıwmatlardı vizualizaciya qılıw ushın Iris maǵlıwmatlar toplamın hám matplotlib-tı júklew ushın paydalanamız. Tómendegi maǵlıwmatlar bazasın úyreniw ushın kod bólegi berilgen.

GitHub-da : iris_dataset.py

# Importing Modules
from sklearn import datasets
import matplotlib.pyplot as plt


# Loading dataset
iris_df = datasets.load_iris()


# Available methods on dataset
print(dir(iris_df))


# Features
print(iris_df.feature_names)


# Targets
print(iris_df.target)


# Target Names
print(iris_df.target_names)
label = {0: 'red', 1: 'blue', 2: 'green'}


# Dataset Slicing
x_axis = iris_df.data[:, 0] # Sepal Length
y_axis = iris_df.data[:, 2] # Sepal Width


# Plotting
plt.scatter(x_axis, y_axis, c=iris_df.target)
plt.show()