Mashinani o'rgatish uchun matlabda grafik funktsiyalardan qanday foydalanishga misol

MASHINANI O'RGATISH UCHUN MATLABDA GRAFIK FUNKTSIYALARDAN QANDAY FOYDALANISHGA MISOL:

F araz qilaylik, bizda ikkita xususiyatga (x1 va x2) va ikkilik maqsadli o'zgaruvchiga (y) ega ma'lumotlar to'plami bor. Ikki sinf o'rtasida aniq ajralish mavjudligini ko'rish uchun biz ma'lumotlarni vizualizatsiya qilishni xohlaymiz. Biz ma'lumotlarni ikki sinf uchun turli xil ranglar bilan tarqalish sxemasi sifatida chizishimiz mumkin:

Ushbu misolda, biz avvalo example_dataset.mat deb nomlangan fayldan ma'lumotlar to'plamini yuklaymiz. Keyin ma'lumotlarni maqsadli o'zgaruvchi y asosida ikkita sinfga ajratamiz. Biz ma'lumotlarni chizish uchun x1 o'qi va x2 y o'qi bo'lgan scatter funktsiyasidan foydalanamiz. Ikkinchi klassni chizganimizda oldingi chizma o'chirilmasligi uchun ushlab turish buyrug'idan foydalanamiz. Nihoyat, biz syujetga eksa yorliqlari va afsonani qo'shamiz.

Ushbu syujet ma'lumotlarning taqsimlanishini tasavvur qilish va ikkita sinf o'rtasida aniq ajratish mavjudligini ko'rish imkonini beradi. Agar aniq ajratish mavjud bo'lsa, yangi ma'lumotlarni aniq tasniflash uchun mashinani o'rganish modelini o'rgatish mumkin bo'lishi mumkin. Agar sinflar o'rtasida sezilarli o'xshashlik bo'lsa, yangi ma'lumotlarni aniq tasniflay oladigan modelni o'rgatish qiyinroq bo'lishi mumkin.

Xulosa qilib aytadigan bo'lsak, Matlab-dagi grafik funktsiyalari mashinani o'rganishda ma'lumotlarni vizuallashtirish uchun kuchli vositadir. Ular bizga o'zgaruvchilar o'rtasidagi munosabatlarni o'rganish, naqsh va tendentsiyalarni aniqlash va ma'lumotlar tuzilishi haqida tushunchaga ega bo'lish imkonini beradi.

MASHINANI O'RGATISH UCHUN PHYTONDA GRAFIK FUNKTSIYALARDAN QANDAY FOYDALANISHGA MISOL:

Faraz qilaylik, bizda ikkita xususiyatga (x1 va x2) va ikkilik maqsadli o'zgaruvchiga (y) ega ma'lumotlar to'plami bor. Ikki sinf o'rtasida aniq ajralish mavjudligini ko'rish uchun biz ma'lumotlarni vizualizatsiya qilishni xohlaymiz. Biz ma'lumotlarni ikki sinf uchun turli xil ranglar bilan tarqalish sxemasi sifatida chizishimiz mumkin:

Ushbu misolda, biz avvalo example_dataset.npy deb nomlangan fayldan ma'lumotlar to'plamini yuklaymiz. Keyin biz ma'lumotlarni maqsadli o'zgaruvchi y asosida ikkita sinfga ajratamiz. Biz ma'lumotlarni chizish uchun matplotlib.pyplot kutubxonasidan scatter funksiyasidan foydalanamiz, x o'qida x1 va y o'qida x2. Har bir sinf uchun nuqtalar rangini belgilash uchun c parametridan, syujetga afsona qo'shish uchun label parametridan foydalanamiz. Nihoyat, biz eksa yorliqlarini qo'shamiz va ko'rsatish funktsiyasidan foydalangan holda syujetni ko'rsatamiz.

Ushbu syujet ma'lumotlarning taqsimlanishini tasavvur qilish va ikkita sinf o'rtasida aniq ajratish mavjudligini ko'rish imkonini beradi. Agar aniq ajratish mavjud bo'lsa, yangi ma'lumotlarni aniq tasniflash uchun mashinani o'rganish modelini o'rgatish mumkin bo'lishi mumkin. Agar sinflar o'rtasida sezilarli o'xshashlik bo'lsa, yangi ma'lumotlarni aniq tasniflay oladigan modelni o'rgatish qiyinroq bo'lishi mumkin.

Xulosa qilib aytadigan bo'lsak, Python-da grafik funktsiyalari mashinani o'rganishda ma'lumotlarni vizualizatsiya qilish uchun kuchli vositadir. Ular bizga o'zgaruvchilar o'rtasidagi munosabatlarni o'rganishga, naqsh va tendentsiyalarni aniqlashga va ma'lumotlar tuzilishi haqida tushunchaga ega bo'lishga imkon beradi.

FUNKSIONAL TAHLIL QLISH

Funktsional tahlil-bu matematikaning vektor bo'shliqlari va chiziqli operatorlarni o'rganish bilan shug'ullanadigan bo'limi. U optimallashtirish algoritmlarini tahlil qilish va mashinani o'rganish modellarining xususiyatlarini o'rganish kabi mashinani o'rganishda bir nechta dasturlarga ega. Mashinani o'rganishda funktsional tahlilga misol:

Faraz qilaylik, bizda θ = [θ1, θ2, ..., θn], parametrlari va oʻrtacha kvadratik xato (MSE) yoʻqotish funksiyasi boʻlgan chiziqli regressiya modeli mavjud boʻlsin:
J(θ) = 1/2m * Σi=1:m (hθ(xi) - yi)²
Bu yerda hθ - gipoteza funktsiyasi, xi - i-kiritish xususiyati vektori, yi - i-maqsadli qiymat va m - o'qitish misollari soni.
J(th) ni minimallashtirish uchun qo'llaniladigan optimallashtirish algoritmining xususiyatlarini o'rganish uchun funktsional tahlildan foydalanishimiz mumkin. Yondashuvlardan biri (θ) parametrlariga nisbatan J(th) ning ikkinchi qisman hosilalari matritsasi bo'lgan J(th) ning Gessi matritsasidan foydalanishdir. Hessian matritsasi yo'qotish funktsiyasining egriligini tahlil qilish uchun ishlatilishi mumkin, bu esa optimallashtirish algoritmining xatti-harakati haqida tushuncha berishi mumkin.

Muhammadov Nozimbek KI_11-19-guruh