Ma’ruza Regressiya masalalarini yechish uchun ma’lumotlarni birlamchi qayta ishlash reja

Ma’ruza 2. Regressiya masalalarini yechish uchun ma’lumotlarni birlamchi qayta ishlash
REJA

1. 
   Data Mining vazifasining tansifi
   
2. 
   Regressiya muammolari
   
3. 
   Regressiya tahlili usullarini amaliyotda qo'llash
   
4. 
   Regressiya muammolarini hal qilish uchun ma'lumotlarni qayta ishlash algoritmlari
   

http://statistica.ru/theory/osnovy-lineynoy-regressii/
1. Data Mining masalasining klassifikatsiyasi


Data Mining - bu katta hajmdagi ma'lumotlarni tahlil qilish asosida avtomatlashtirilgan ma'lumotlarni qidirish.
Data Mining - bu katta hajmdagi ma'lumotlarda avvalgi noma'lum qonun doirasida qidirish uchun mo'ljallangan ma'lumotlarni tahlil qilish usuli.
Data Mining - bu kompaniyaning axborot tizimlarida to'plangan, ilgari noma'lum bo'lgan, ahamiyatsiz bo'lmagan, amaliy jihatdan foydali va inson faoliyatining turli sohalarida qarorlar qabul qilish uchun zarur bo'lgan bilimlarni izohlash uchun ochiq bo'lgan katta hajmdagi ma'lumotlarni topish metodologiyasi va jarayoni .
Data Mining usullari tahlilchi duch keladigan ko'plab muammolarni hal qilishga yordam beradi. Ulardan asosiylari: klassifikatsiya, regressiya, assotsiatsiya qoidalarini izlash va klasterlash. Keling, ma'lumotlarni tahlil qilishning asosiy vazifalarining qisqacha tavsifini ko'rib chiqaylik.

• 
  Klassifikatsiya vazifasi ob'ekt sinfini uning xususiyatlariga ko'ra aniqlashga qisqartiriladi. Shuni ta'kidlash kerakki, bu masalada ob'ektni belgilash mumkin bo'lgan sinflar to'plami oldindan ma'lum.
  
• 
  Regressiya muammosi, klassifikatsiya muammosi kabi, ob'ektning ma'lum xususiyatlaridan uning ba'zi parametrlarining qiymatini aniqlash imkonini beradi. Klassifikatsiya masalasidan farqli o'laroq, parametr qiymati cheklangan sinflar to'plami emas, balki haqiqiy sonlar to'plamidir.
  
• 
  Assotsiatsiya qoidalarini izlayotganda, maqsad ob'ektlar yoki hodisalar o'rtasidagi tez-tez bog'liqliklarni (yoki assotsiatsiyalarni) topishdir. Topilgan bog'liqliklar qoidalar ko'rinishida taqdim etilgan va tahlil qilingan ma'lumotlarning mohiyatini yaxshiroq tushunish uchun ham, voqealar sodir bo'lishini bashorat qilish uchun ham ishlatilishi mumkin.
  
• 
  Klasterlashning vazifasi tahlil qilinadigan ma'lumotlarning butun majmuasida mustaqil guruhlar (klasterlar) va ularning xususiyatlarini topishdir. Ushbu muammoni hal qilish ma'lumotlarni yaxshiroq tushunishga yordam beradi. Bundan tashqari, bir hil ob'ektlarni guruhlash ularning sonini kamaytirishga va natijada tahlilni osonlashtirishga imkon beradi.
  

Sanab o'tilgan vazifalar maqsadiga ko'ra tavsiflovchi va bashorat qiluvchi turlariga bo'linadi.