Mashinali o'qitishga kirish va uning asosiy tushunchalari, algortmlari. Fanni o’qitishdan maqsad

 
Egri chiziqli regressiya tenglamalarini aniqlash 
Belgilar o‘rtasidagi munosabat barqarorlikka intiluvchi nisbiy me’yorlar bilan 
ifodalansa
, bu holda egri chiziqli regressiya tenglamalari qo‘llanadi. 
1. Natijaviy belgi bilan omil belg
isining teskari darajasi o‘rtasidagi egri chiziqli 
korrelyatsion bog‘lanishni giperbola ko‘rinishida ifodalash mumkin:
Agar regressiya koeffitsiyenti a
1
musbat ishoraga ega bo‘lsa, omil belgi x 
qiymatlari oshgan sari natijaviy belgi kichiklasha boradi 
va shunisi e’tiborliki, 
kamayish sur’ati doimo sekinlashadi va x

cheksizlikka intilganda natijaviy 
belgi o‘rtacha qiymati a
0
teng bo‘ladi, ya’ni
Agar regressiya koeffitsiyenti a
1
manfiy ishoraga ega bo‘lsa, omil qiymati 
oshishi bilan natijaviy belgi qiymatlari kattalashadi
, ammo o‘sish sur’ati 
sekinlasha boradi va x


y = a
0
. 
Logistik regressiya tushunchasi va ularning mashinali 
o'qitishda qo'llanilishi 
Logistik regression (logistik regression) 
- ob'ektlarning sinflarga tegishli bo'lgan havoriy (
апостериорные) ehtimolligini 
baholashga imkon beruvchi chiziqli tasnifni (
классификатор) yaratish usuli. n-
sonli belgilar 
bilan tasvirlansin Unda ob'ektlarning xarakterli tavsiflari 

---

maydoni . Y 
— sinflarning son-sanoqsiz sonlari (nomlari, teglari) bo'lsin. 
"Ob'ekt, javob" juftligini o'qitish namunasi berilsin 
Logistik regressiyasi maqsadli o'zgaruvchining ehtimolligini taxmin qilish 
uchun ishlatiladigan nazorat ostida o'quv tasnifi algoritmidir. Maqsad yoki 
qaram o'zgaruvchining tabiyati dixotomikdir, ya'ni faqat ikkita mumkin bo'lgan 
sinf bo'ladi. Qisqacha aytganda, qaram o'zgarmaydigan ikkilik xususiyatga ega 
va (muvaffaqiyat / ha degan ma'noni anglatadi) yoki 0 (rad etish / yo'q degan 
ma'noni anglatadi) sifatida kodlangan ma'lumotlarga ega.
Matematik tarzda, logistik regressiyasi modeli p (Y = 1) ni x funktsiyasi sifatida
bashorat qiladi, bu spamni aniqlash, diabetni prognoz qilish, saratonni aniqlas
h va h. K. kabi turli xil tasniflash vazifalari uchun ishlatilishi mumkin bo'lgan en
g oddiy ML algoritmlaridan biridir.