Qaror daraxti algoritmi tugun nuqtalarida joylashgan xususiyatlari haqida "savollarga" javob berish orqali ob'ektlarni tasniflaydi. Javobga qarab, shoxlardan biri tanlanadi va hokazo, "barg" ga qadar yakuniy javob

O‘ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI
MUHAMMAD AL-XORAZMIY NOMIDAGI
TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI
Fan:Kompyuter arxitekturasi


Amaliy ishi-2


Mavzu: Decision tree
Guruh: 212-20 KIF
Bajardi:Qurvonboyev Humoyun
Tekshirdi: To’rayeva Maxliyo

Qaror daraxti
Qaror daraxti algoritmi tugun nuqtalarida joylashgan xususiyatlari haqida "savollarga" javob berish orqali ob'ektlarni tasniflaydi. Javobga qarab, shoxlardan biri tanlanadi va hokazo, "barg" ga qadar - yakuniy javob.
Qaror daraxti ilovalari mijozlarga xizmat ko'rsatish, bashoratli narxlar va mahsulotni rejalashtirish bo'yicha bilimlarni boshqarish platformalarini o'z ichiga oladi.
Sug'urta kompaniyasida qaror daraxti sizga mumkin bo'lgan xavfni hisobga olgan holda qaysi turdagi sug'urta mahsulotlari va mukofotlardan foydalanish yaxshiroq ekanligini aniqlashga yordam beradi. Joylashuv ma'lumotlari va sug'urta hodisalari, ob-havo sharoitlarini hisobga olgan holda tizim taqdim etilgan da'volar va sarflangan mablag'lar asosida xavf toifalarini aniqlashi mumkin. So'ngra, modellardan foydalangan holda, tizim sug'urta qoplamasi bo'yicha yangi da'volarni baholaydi, ularni xavf toifalari va mumkin bo'lgan moliyaviy zarar turlari bo'yicha tasniflaydi



Qaror daraxtlari (DTs)-bu tasniflash va regressiya uchun ishlatiladigan parametrik bo'lmagan nazorat ostida o'rganish usuli. Maqsad-ma'lumotlar xususiyatlaridan kelib chiqadigan oddiy qaror qoidalarini o'rganish orqali maqsadli o'zgaruvchining qiymatini bashorat qiladigan modelni yaratish. Daraxtni bo'lakli doimiy yaqinlashish sifatida ko'rish mumkin.


Masalan, quyidagi misolda qaror daraxtlari ma'lumotlardan sinus egri chizig'ini if-then-else qaror qoidalari to'plami bilan yaqinlashtirishni o'rganadi. Daraxt qanchalik chuqur bo'lsa, qaror qoidalari shunchalik murakkab bo'ladi va model qanchalik mos keladi.





Qaror daraxtlarining ba'zi afzalliklari:


Tushunish va talqin qilish oddiy. Daraxtlarni tasavvur qilish mumkin.


Kam ma'lumot tayyorlashni talab qiladi. Boshqa texnikalar ko'pincha ma'lumotlarni normallashtirishni talab qiladi, qo'g'irchoq o'zgaruvchilarni yaratish va bo'sh qiymatlarni olib tashlash kerak. Ushbu modul etishmayotgan qiymatlarni qo'llab-quvvatlamasligini unutmang.


Daraxtdan foydalanish narxi (ya'ni ma'lumotlarni bashorat qilish) daraxtni o'rgatish uchun ishlatiladigan ma'lumotlar nuqtalari sonida logaritmikdir.


Raqamli va kategorik ma'lumotlar bilan ishlashga qodir. Biroq, scikit-learn dasturi hozircha kategorik o'zgaruvchilarni qo'llab-quvvatlamaydi. Boshqa texnikalar odatda faqat bitta turdagi o'zgaruvchiga ega bo'lgan ma'lumotlar to'plamlarini tahlil qilishga ixtisoslashgan. Qarang algoritmlar qo'shimcha ma'lumot olish uchun.


Ko'p chiqish muammolarini hal qila oladi.


Oq quti modelidan foydalanadi. Agar berilgan vaziyat modelda kuzatiladigan bo'lsa, shartni tushuntirish mantiqiy mantiq bilan osongina tushuntiriladi. Aksincha, qora quti modelida (masalan, sun'iy neyron tarmog'ida) natijalarni talqin qilish qiyinroq bo'lishi mumkin.


Statistik testlar yordamida modelni tasdiqlash mumkin. Bu modelning ishonchliligini hisobga olish imkonini beradi.


Agar uning taxminlari ma'lumotlar yaratilgan haqiqiy model tomonidan biroz buzilgan bo'lsa ham yaxshi ishlaydi.


Qaror daraxtlarining kamchiliklariga quyidagilar kiradi:


Qaror daraxtini o'rganuvchilar ma'lumotlarni yaxshi umumlashtirmaydigan juda murakkab daraxtlarni yaratishi mumkin. Bu overfitting deyiladi. Ushbu muammoni oldini olish uchun Azizillo, barg tugunida talab qilinadigan namunalarning minimal sonini belgilash yoki daraxtning maksimal chuqurligini belgilash kabi mexanizmlar zarur.


Qaror daraxtlari beqaror bo'lishi mumkin, chunki ma'lumotlarning kichik o'zgarishlari butunlay boshqa daraxt hosil bo'lishiga olib kelishi mumkin. Ushbu muammo ansambl ichidagi qaror daraxtlari yordamida yumshatiladi.


Qaror daraxtlarining bashoratlari na silliq, na uzluksiz, lekin yuqoridagi rasmda ko'rinib turganidek, bo'lakli doimiy taxminlar. Shuning uchun ular ekstrapolyatsiyada yaxshi emas.


Optimal qarorlar daraxtini o'rganish muammosi ma'lum to'liq emas optimallikning bir necha jihatlari ostida va hatto oddiy tushunchalar uchun. Binobarin, amaliy qarorlar daraxtini o'rganish algoritmlari asoslanadi evristik algoritmlar kabi ochko'zlik algoritmi bu erda har bir tugunda mahalliy maqbul qarorlar qabul qilinadi. Bunday algoritmlar global optimal qaror daraxtini qaytarishga kafolat bera olmaydi. Buni ansambl o'quvchisida bir nechta daraxtlarni o'rgatish orqali yumshatish mumkin, bu erda xususiyatlar va namunalar almashtirish bilan tasodifiy tanlab olinadi.


O'rganish qiyin bo'lgan tushunchalar mavjud, chunki qaror daraxtlari ularni osonlikcha ifoda etmaydi, masalan XOR, tenglik yoki multipleksor muammolar.


Qaror daraxtini o'rganuvchilar, agar ba'zi sinflar ustunlik qilsa, noxolis daraxtlar yaratadilar. Shuning uchun qaror daraxti bilan o'rnatishdan oldin ma'lumotlar to'plamini muvozanatlash tavsiya etiladi.