Milliy iqtisodiyotda axborot tizimlar va texnologiyalar

Data Mining ma’lumotlari. Data Mining usulini qo‘llashda asosiy 
talab – bu ma’lumotlar hajmining kattaligi bilan belgilanadi. Ushbu 
ma’lumotlar bazasi, umuman olganda, xatosiz shakllangan bo‘lishi kerak 
va korxona faoliyatini to‘liq qamrab olgan bo‘lishi va uning faoliyatini 
istalgan vaqtidagi holatini tiklash mumkin bo‘lishi kerak. Ma’lumotlar 
bazasi tarkibini loyihalashda unda bajariladigan so‘rovlar samarali 
bo‘lishi kerak. Bundan tashqari Data Mining bevosita OLAP usullari 
orqali shakllangan statistik ma’lumotlarda ham mavjud qonuniyatlarni 
qidirish imkoniga ega. 

---

213 
Data Mining usullari orqali aniqlaniladigan qonuniyatlar. 
Asosan Data Mining usullari quyidagi standart 5 ta qonuniyatlarni 
aniqlashga qaratilgan: 
1) 
Assotsiatsiya – hodisalarning o‘zaro bog‘langanligi, masalan, tovar 
boshqa qandaydir tovar bilan birgalikda xarid qilinadi; 
2) 
Ketma-ketlik – hodisalarning qandaydiy vaqt mobaynida o‘zaro 
bog‘langanligi, masalan, qandaydiy vaqt mobaynida xarid qilingan
tovar bilan boshqa qandaydir tovar xarid qilinadi; 
3) 
Tasniflash – hodisalar yoki obyektlardan tashkil topgan guruhni 
tavsiflovchi qandaydir alomatlar; 
4) 
Klasterlash – tasniflashga o‘xshash bo‘lib, faqatgina bunda guruhlar 
oldindan ma’lum bo‘lmaydi, aksincha ular ma’lumotlarni qayta 
ishlash jarayonida aniqlanadi; 
5) 
Davriy qonuniyatlar – ma’lumotlarning davriy o‘zgarishlarini 
aniqlaydi, masalan, tovarlarga sezonli talablarni mavjudligi.
Data Mining usullari. Data Mining usullari xilma-xil bo‘lib, 
hozirgi kunda quyidagi usullar e’tirof etilgan: 
• regression, dispersion va korrelyasion tahlil (ushbu usullar statistik 
dasturiy paketlarda mavjud, masalan SAS Institute, StatSoft kabi 
kompaniyalar mahsulotlarida);
• empirik modellarga asoslangan aniq predmet sohasida mavjud tahlil 
usullari (bunda, ko‘pincha uncha qimmat bo‘lmagan moliyaviy 
tahlil vositalari qo‘llaniladi); 
• neyrotarmoqli algoritmlar, bevosita sun’iy neyron tarmog‘i bo‘lib, 
Bir-biri bilan o‘zaro ta’sirda bo‘lgan nerv hujayralari yoki ularning 
harakatlarini modellashtirayotgan tarkibiy qismlardan tashkil 
topgan tarmoq. Neyron tarmoqlari sun’iy intellektda inson miyasi 
faoliyatini modellashtirish uchun o‘rganiladi. Ushbu tarmoq miya 
kabi ko‘pgina kiruvchi signallaridan parallel tarzda ta’sirlanuvchi 
bir-biriga bog‘langan neyronlardan tashkil topgan. Odatda neyron 
tarmog‘i avvalo ko‘p hajmdagi ma’lumotlar yoki ma’lumotlarning 
o‘zaro bog‘liqligi qoidalarini o‘rganadi (masalan, «Bobomning 
yoshi otamnikidan katta»). Neyron tarmog‘i avvalgi boy tajriba 
bazasiga ega bo‘lganda asosan samaralidir. Neyron tarmoqlari 
sohasiga 1950-yillarda Stenford Universiteti vakili Bernard Vidrou 
asos solgan. Neyron tarmoqlari ovozni tanish, tasvirlarni aniqlash 
tizimlari, sanoat robotlari, aeronavtika, ma’lumotlarni olish va 
boshqa sohalarda qo‘llaniladi; 

---

214 
• algoritmlar, tarixiy ma’lumotlarga yaqin bo‘lgan ma’lumotlarni 
aniqlash. Ushbu usul “eng yaqin qo‘shni” deb ham ataladi; 
• yechim daraxti – bu shajaraviy tuzilma bo‘lib, savollar va ularga 
berilgan “Ha” va “Yo‘q” javoblar to‘plamidan iborat bo‘ladi. Ushbu 
usul ma’lumotlarda mavjud qonuniyatlarni aniqlashda qulay 
bo‘lmasada, undan asosan prognoz masalalarida qo‘llaniladi, 
chunki undan olinadigan javob aniq ko‘rinishga ega;
• klasterli modellar, bunda ma’lumotlar to‘plamidan bir necha 
maydonlar asosida o‘xshash hodisalarning bitta guruhga 
birlashtirish tushuniladi, prognoz tizimlarida keng qo‘llaniladi; 
• variantlarni 
saralashni 
cheklangan 
algoritmlari, 
bunda 
ma’lumotlarning kichik to‘plamlarida oddiy hodisalar chastotasi 
hisoblanadi; 
• rivojlanuvchi dasturlash, bunda ishlab chiqilgan boshlang‘ich 
algoritm asosida ma’lumotlarda mavjud bog‘lanishlarni qidiruv 
jarayonida bevosita algoritmda o‘zgarishlar amalga oshiriladi;