Мавзу “Машинали ўқитиш” фанига кириш ва унинг асосий тушунчалари

Мавзу “Машинали ўқитиш” фанига кириш ва унинг асосий тушунчалари

Мавзу 1. “Машинали ўқитиш” фанига кириш ва унинг асосий тушунчалари.

• 
  Машинали ўқитиш сунъий интеллектнинг асосий соҳаларидан бири бўлиб, қуйидагича таърифланиши мумкин:
  
• 
  "Машинали ўқитиш - бу компютерларни одамларга ўхшаб ўрганишига ҳаракат қилиши ва вақт ўтиши билан ўз билимларини мустақил равишда такомиллаштириши, реал дунёда кузатувлар ва ўзаро таъсирлар шаклида маълумотлар ва маълумотларни тақдим этиш ҳақидаги фан".
  
• 
  Машинада ўқитиш (МЛ) - бу сунъий интеллект назариясининг бир бўлими, компьютер сунъий интелект сифатида муаммоларни ҳал қилиш жараёни ва усулларини излашдан иборат.
  
• 
  Машинада ўқитиш (МЛ) – бу берилганлар ва чиқиш маълумотларига асосан компьютердаа дастур яратиш учун тайинланган бўлиб, у анъанавий дастурда фойдаланилиши мумкин.
  

Машинада ўқитиш (МЛ) – бу илмий фан бўлиб, компьютернинг ўқитиш қобилятини ривожлантириш, компьютер томонидан мукаммал ва замонавий илм беришга йўналтирилган фандир.

• 
  Машинада ўрганиш деҳқончилик ёки боғдорчиликка ўхшайди. Уруғлар алгоритм, озуқа моддалари маълумотлар, боғбон сиз, ўсимликлар эса дастурдир.
  
• 
  Машинада ўрганиш вазифаларининг аксарияти назорат остида ва назоратсиз ўқишга бўлиниши мумкин. "Ўқитувчи" деганда, одамларнинг маълумотларни қайта ишлашга аралашуви ғояси тушунилади. Назорат остида ўқитишда бизда бирор нарса ва баъзи фаразларни башорат қилиш керак бўлган маълумотлар мавжуд бўлса ўқитувчининг зарурияти мавжуд.
  
• 
  Ўқитувчисиз ўқиётганимизда, бизда фақат маълумотлар, биз топмоқчи бўлган ғоя , башорат ва қарорларга ёндашувлар бўлади.
  

• 
  Оддий алгоритмлардан фарқли ўлароқ, унга кирувчи маълумотлардан фойдаланиб, маълум бир натижага олиб келади, маълумотларни ўрганиш ва керакли натижадан фойдаланган ҳолда машинали ўрганиш, олинган маълумотларни ишлатиб керакли натижага келадиган алгоритмларни яратади, сўнгра олинган алгоритм шунга ўхшашлар учун ишлатилиши мумкин.
  
• 
  Машинада ўқитиш башоратли моделлар ва маълумотларга асосланган қарорларни қабул қилиш самарадорлигини босқичма-босқич яхшилаш учун маълумотларга билим тўплашни ташкил этади.
  
• 
  Машинада ўқитиш туфайли дастурчи барча мумкин бўлган муаммоларни ҳисобга олган ва барча ечимларни ўз ичига олган кўрсатмаларни ёзиши шарт эмас. Компьютер статистик маълумотлардан комплекс фойдаланиб, мустақил равишда ечимларни топиш алгоритмига киритилади, улардан нусха олинади ва улар асосида содир бўладиган ходиса хақида олдиндан башорат қилинади.
  

• 
  Маълумотларни таҳлил қилиш асосида машинада ўқитиш технологияси 1950 йилда, шашка ўйини учун биринчи дастурлар ишлаб чиқила бошлангандан бошланади. Сўнгги ўн йилликларда умумий тамойил ўзгармади. Аммо компютерларнинг ҳисоблаш қудратининг портловчи ўсиши туфайли улар яратган башоратлар бир неча бор мураккаблашди ва машинада ўқитиш ёрдамида ечилиши мумкин бўлган муаммолар ва вазифалар доираси кенгайди.
  

• 
  Машинада ўқитишнинг тўрт тури мавжуд:
  
• 
  Назорат остидаги таълим: (шунингдек, индуктив ўрганиш деб аталади) Таълим маълумотлари керакли натижаларни ўз ичига олади. Машғулотлар назорат қилинади.
  
• 
  Назорат қилинмаган ўрганиш: Таълим маълумотлари керакли натижаларни ўз ичига олмайди. Масалан, кластерлаш. Нима яхши ва нима яхши эмаслигини айтиш қийин.
  
• 
  Индуктив таълим - бу ерда бизга маълумотлар шакли (Х) ва функция чиқиши (Ф (Х)) функциялари мисоллари келтирилган. Индуктив таълимнинг мақсади янги маълумотлар (Х) функциясини ўрганишдир.
  
• 
  Таснифлаш усули: ўрганилаётган функция дискрет бўлганда регрессия: ўрганилаётган функция узлуксиз бўлганда. Эҳтимоллар баллари: функция чиқиши эҳтимоллик бўлганда.
  

• 
  Машинада ўқитиш жараёнини бошлаш учун аввал компютерга маълумотлар тўпламини (дастлабки маълумотларнинг бир қисмини) юклаб олиш керак, бу алгоритм сўровларни қайта ишлашни ўрганади. Масалан, итлар ва мушукларнинг расмлари бўлиши мумкин, улар аллақачон кимга тегишли эканликларини кўрсатадиган ёрлиқларга эга. Ўқув жараёнидан сўнг дастурнинг ўзи ит ва мушукларни янги расмларда тегсиз таний олади. Прогнозлар чиқарилгандан сўнг ўқув жараёни давом этади, биз дастур томонидан қанча кўп маълумотларни таҳлил қилсак, у керакли тасвирларни шунчалик аниқроқ танийди.
  
• 
  Машинали ўқитиш орқали компютерлар нафақат фотосуратлар ва чизмалардаги юзларни, балки ландшафтлар, объектлар, матн ва рақамларни ҳам таниб олишга ўрганадилар. Матн ҳақида гап кетганда, компютерда ўрганиш ҳам муҳим аҳамиятга эга: грамматикани текшириш функцияси энди ҳар қандай матн муҳарририда ва ҳаттоки телефонларда мавжуд. Бундан ташқари, нафақат сўзларнинг имлоси, балки контекст, маъно соялари ва бошқа нозик лингвистик жиҳатлар ҳам ҳисобга олинади. Бундан ташқари, инсон аралашувисиз (иқтисодий ва, масалан, спорт мавзусида) янгиликлар мақолаларини ёзиш мумкин бўлган дастурий таъминот аллақачон мавжуд.
  

• 
  1.2 Машинада ўқитиш муаммолари турлари
  
• 
  МЛ билан ҳал қилинган барча вазифалар қуйидаги тоифалардан бирига киради.
  
• 
  1) Регрессия муаммоси - бу турли хил хусусиятларга эга бўлган объектлар намунасига асосланган прогноз. Чиқарилган маҳсулот ҳақиқий сонга (2, 35, 76.454 ва бошқалар) тўғри келиши керак, масалан, квартира нархи, олти ойдан кейин хавфсизлик қиймати, дўконнинг кейинги ой учун кутилаётган даромади, кўр-кўрона синовларда шароб сифати.
  
• 
  2) Таснифлашнинг вазифаси - бу хусусиятлар тўпламига асосланган категорик жавобни олишдир. Жавобларнинг чекланган сонига эга (одатда "ҳа" ёки "йўқ" форматида): фотосуратда мушук борми, инсон қиёфаси тасвирланганми ёки бемор саратон касаллигига чалинганми?
  
• 
  3) Кластерлаш вазифаси - бу маълумотларни гуруҳларга тақсимлаш: уяли алоқа операторининг барча мижозларини тўлов қобилияти даражасига бўлиш, космик объектларни у ёки бу тоифага (сайёра, юлдуз, қора туйнук ва ҳк) тақсимлаш.
  
• 
  4) ўлчовни қисқартириш вазифаси, кейинчалик уларни визуализация қилиш учун қулай бўлиши учун (масалан, маълумотларни сиқиш) кўп сонли хусусиятларни кичикроқ (одатда 2-3) гача камайтиришдир.
  
• 
  5) Аномалияларни аниқлашнинг вазифаси аномалияларни стандарт ҳолатлардан ажратишдир. Бир қарашда, бу таснифлаш вазифасига тўғри келади, аммо битта муҳим фарқ бор: аномалиялар камдан-кам учрайдиган ҳодиса бўлиб, бундай объектларни аниқлаш учун машина ўрганиш моделини ўргатиш мумкин бўлган ўқитиш мисоллари жуда оз, ёки шунчаки эмас, шунинг учун бу эрда таснифлаш усуллари ишламайди. ... Амалда бундай вазифа, масалан, банк карталари билан фирибгарликни аниқлашдир.
  

• 
  1.3 Машинада ўқитишнинг асосий турлари
  
• 
  Машинада ўқитиш усуллари ёрдамида ҳал қилинган муаммоларнинг асосий қисми икки хил турга тегишли: ўқитувчи билан ўрганиш (назорат остида ўрганиш) ёки у ҳолда (назорациз ўрганиш). Бироқ, бу ўқитувчи, албатта, компютернинг устида турган ва дастурдаги ҳар қандай ҳаракатларни бошқарадиган дастурчининг ўзи эмас. Машинада ўқитиш нуқтаи назаридан "ўқитувчи" - бу одамнинг ахборотни қайта ишлаш жараёнига аралашиши. Иккала турдаги машғулотларда ҳам машина дастлабки маълумотлар билан таъминланади, улар таҳлил қилади ва нақшларни топади. Фақатгина фарқ шундаки, ўқитувчи билан дарс беришда рад этиш ёки тасдиқлаш керак бўлган бир қатор фаразлар мавжуд. Фарқни мисоллар билан тушуниш осон.
  

• 
  Машиналарни ўрганиш бошқарилади
  
• 
  Бизнинг қўлимизда ўн мингта Москванинг квартиралари ҳақида маълумот бор дейлик: майдони, қавати, тумани, уй яқинида тўхташ жойининг борлиги ёки йўқлиги, метро станциясидан масофа, квартира нархи ва бошқалар. Биз унинг параметрларига қараб квартиранинг бозор қийматини тахмин қиладиган моделни яратишимиз керак. Бу автоматлаштирилган назоратни ўрганишнинг энг яхши намунасидир: бизда дастлабки маълумотлар (хонадонлар сони ва уларнинг хусусиятлари деб аталадиган хусусиятлар) ва ҳар бир хонадон учун тайёр жавоб - унинг нархи. Дастур регрессия муаммосини ҳал қилиши керак.
  
• 
  

• 
  1.4 Машинали ўрганиш моделларининг асосий алгоритмлари
  
• 
  1 та қарор дарахти. Бу дарахтга ўхшаш графикадан фойдаланишга асосланган қарорларни қўллаб-қувватлаш усули: уларнинг юзага келиши мумкин бўлган оқибатларини ҳисобга олган ҳолда қарор қабул қилиш модели (ҳодиса юзага келиши эҳтимолини ҳисоблаш билан), самарадорлик, ресурсларни сарфлаш.
  
• 
  Бизнес-жараёнлар учун ушбу дарахт минимал миқдордаги саволлардан иборат бўлиб, улар аниқ жавобни талаб қилади - "ҳа" ёки "йўқ". Ушбу саволларнинг барчасига доимий равишда жавоб бериб, тўғри танловга келамиз. Қарор дарахтининг услубий афзалликлари шундаки, у муаммони тузади ва тизимга солади ва якуний қарор мантиқий хулосалар асосида қабул қилинади.
  

• 
  . Баесларнинг содда таснифи
  
• 
  Баесча содда таснифлагичлар оддий эҳтимоллик классификаторлари оиласига киради ва Баес теоремасидан келиб чиқади, бу ҳолда функцияларни мустақил деб ҳисоблайди (бу қатъий ёки содда, тахмин деб аталади). Амалда, у машинасозликнинг қуйидаги йўналишларида қўлланилади:
  
• 
  • электрон почтага келган спамнинг таърифи;
  
• 
  • янгиликлар мақолаларини тематик сарлавҳалар билан автоматик равишда боғлаш;
  
• 
  • матннинг эмоционал рангини аниқлаш;
  
• 
  • тасвирлардаги юзлар ва бошқа нақшларни таниб олиш.
  

• 
  . Энг кам квадратчалар усули
  
• 
  Статистикани озгина бўлса ҳам ўрганган киши чизиқли регрессия тушунчасини яхши билади. Энг кичик квадратчалар ҳам уни амалга ошириш вариантларига тегишли. Одатда, чизиқли регрессия кўплаб нуқталардан ўтган тўғри чизиқни ўрнатиш масалаларини ҳал қилиш учун ишлатилади. Бу энг кичик квадратлар усули ёрдамида амалга оширилади: тўғри чизиқни тортинг, ундан ҳар бир нуқтагача бўлган масофани ўлчанг (нуқталар ва чизиқ вертикал сегментлар билан боғланган), натижада олинган суммани кўчиринг. Натижада, масофалар йиғиндиси энг кичик бўладиган эгри чизиқ керакли бўлади (бу чизиқ ҳақиқий қийматдан нормал тақсимланган оғиш билан нуқталар орқали ўтади).
  
• 
  Маълумотларни машинада ўрганиш учун мослаштиришда чизиқли функция одатда қўлланилади ва хато метрикасини яратиш орқали хатоларни минималлаштириш учун энг кичик квадратчалар усули қўлланилади.
  

• 
  Логистик регрессия
  
• 
  Логистик регрессия бу ўзгарувчилардан ўзаро боғлиқликни аниқлаш усулидир, улардан бири қатъиян боғлиқ, бошқалари эса мустақил. Бунинг учун логистик функциядан (аккумулятив логистик тақсимот) фойдаланилади. Логистик регрессиянинг амалий қиймати шундаки, у бир ёки бир нечта мустақил ўзгарувчини ўз ичига олган воқеаларни башорат қилишнинг кучли статистик усули ҳисобланади. Бу қуйидаги ҳолатларда фойдалидир:
  
• 
  • кредит баллари;
  
• 
  • реклама кампанияларининг муваффақиятини ўлчаш;
  
• 
  • маълум бир маҳсулотдан олинадиган фойда прогнози;
  
• 
  • маълум бир кунда зилзила эҳтимолини баҳолаш.
  

• 
  Ансамбллар усули
  
• 
  Бу таснифлагичлар тўпламини яратадиган ва уларнинг ўртача ёки овоз бериш натижаларига кўра барча олинган объектлардан янги объектларни ажратиб турадиган машиналарни ўрганиш алгоритмларига асосланади. Дастлаб ансамбл усули Баеснинг ўртача ҳисобланишининг ўзига хос ҳодисаси эди, аммо кейинчалик у янада мураккаблашди ва қўшимча алгоритмлар билан тўлиб тошди:
  
• 
  • кучайтириш - классификаторлар ансамблини шакллантириш орқали заиф моделларни кучли моделларга айлантиради (математик нуқтаи назардан, бу яхшиланадиган кесишма);
  
• 
  • сумкалар - бир вақтнинг ўзида асосий синфларни ўқитишда (бирлашишни такомиллаштиришда) мураккаб классификаторларни йиғади;
  
• 
  • чиқишни кодлаш хатоларини тузатиш.
  
• 
  Ансамбл усули мустақил прогнозлаш моделларига қараганда кучлироқдир, чунки, ансамблнинг ўзи назорат қилинадиган ўқув алгоритмидир, чунки уни ўргатиш ва кейин башорат қилиш учун ишлатиш мумкин.
  
• 
  Ансамбл алгоритмларининг мақсади - умумлаштириш қобилияти бўлиб, олинган билим мустаҳкамлигини битта балл бўйича яхшилаш учун берилган ўқув алгоритми билан бир нечта бошланғич баллар ҳақидаги башоратларни бирлаштиришдан иборат.
  

http://fayllar.org