Alimov Shohruhning "Bioinformatika va biomexanika"

Muhammad al-Xorazmiy nomidagi

Toshkent axborot texnologiyalari universitetining 214-19-guruh talabasi
Alimov Shohruhning
“Bioinformatika va biomexanika” fanidan
1-laboratoriya ishi

Labaratoriya mashg’uloti -1

Reja:

1. 
   Bioma’lumotlarni tahlil qilish algortimlari
   
2. 
   Chiziqli regressiya
   
3. 
   Support vector regressiya
   
4. 
   Lasso regressiya
   
5. 
   Bioma’lumotlarni qayta ishlash va model qurish
   

Bioma’lumotlarni regression tahlil qilish algortimlari

Mashinani o'rganishda biz mashinalarga taqdim etilgan ma'lumotlar ichidagi munosabatlarni o'rganish va ma'lumotlar to'plamidan aniqlangan naqsh yoki qoidalar asosida bashorat qilish imkonini berish uchun turli xil algoritmlardan foydalanamiz. Shunday qilib, regressiya - bu mashinani o'rganish usuli bo'lib, unda model chiqishni doimiy raqamli qiymat sifatida bashorat qiladi.Regressiya tahlili ko'pincha moliya, investitsiyalar va boshqalarda qo'llaniladi va bir nechta mustaqillarga bog'liq bo'lgan bitta qaram o'zgaruvchi (maqsadli o'zgaruvchi) o'rtasidagi munosabatni aniqlaydi. Masalan, uy narxini, fond bozorini yoki xodimning ish haqini va hokazolarni bashorat qilish eng keng tarqalgan
regressiya muammolari.
Chiziqli regressiya - bu nazorat ostida o'rganish uchun ishlatiladigan ML algoritmi. Chiziqli regressiya berilgan mustaqil o'zgaruvchi(lar) asosida qaram o'zgaruvchini(maqsadni) bashorat qilish vazifasini bajaradi. Shunday qilib, ushbu regressiya usuli bog'liq o'zgaruvchi va boshqa berilgan mustaqil o'zgaruvchilar o'rtasidagi chiziqli munosabatni aniqlaydi. Demak, bu algoritmning nomi chiziqli regressiyadir.



Yuqoridagi rasmda X o'qi bo'yicha mustaqil o'zgaruvchi, Y o'qida esa chiqish. Regressiya chizig'i model uchun eng mos chiziqdir. Va bizning ushbu algoritmdagi asosiy maqsadimiz bu eng yaxshi mos keladigan chiziqni topishdir.
Chiziqli regressiyani amalga oshirish oson.
Boshqa algoritmlarga nisbatan kamroq murakkablik.
Chiziqli regressiya haddan tashqari moslashishga olib kelishi mumkin, ammo ba'zi o'lchamlarni kamaytirish texnikasi, tartibga solish usullari va o'zaro tekshirish usullaridan foydalanishning oldini olish mumkin.
Kamchiliklari: Outliers bu algoritmga yomon ta'sir qiladi.
Bu o'zgaruvchilar o'rtasidagi chiziqli munosabatni qabul qilish orqali haqiqiy muammolarni haddan tashqari soddalashtiradi, shuning uchun amaliy foydalanish uchun tavsiya etilmaydi.