Raqamli texnologiyalarni rivojlantirish vazirligi muhammad al – xorazmiy nomidagi toshkent axborot texnologiyalari universiteti

2. Logistik regressiya 
Logistik regressiya - bu to'g'ridan-to'g'ri statistikadan mashinani o'rganishga 
kelgan yana bir algoritm. Uni ikkilik tasniflash muammolari uchun ishlatish 
yaxshidir (bular biz ikkita sinfdan birini chiqish sifatida oladigan muammolar). 
Logistik regressiya chiziqli regressiyaga o'xshaydi, chunki u sizdan kiritilgan 
o'zgaruvchilar uchun koeffitsientlarning qiymatlarini topishni talab qiladi. Farqi 
shundaki, chiqish qiymati chiziqli bo'lmagan yoki logistik funktsiya yordamida 
aylantiriladi. 
Logistik funktsiya S bosh harfiga o'xshaydi va har qanday qiymatni 0 dan 1 
gacha bo'lgan raqamga aylantiradi. Bu juda foydali, chunki logistik funktsiyaning 
chiqishiga 0 va 1 ni bog'lash qoidasini qo'llashimiz mumkin (masalan, agar 
funktsiyaning natijasi 0,5 dan kichik bo'lsa, u holda chiqish 1) va sinf bashoratlari. 
Modelni o'qitish usuli tufayli logistik regressiya bashoratlari namunaning 0 
yoki 1-sinfda bo'lish ehtimolini ko'rsatish uchun ishlatilishi mumkin. Bu bashorat 
qilish uchun ko'proq dalillar kerak bo'lganda foydalidir. 

---

Chiziqli regressiyada bo'lgani kabi, logistik regressiya ham ortiqcha va 
shunga o'xshash o'zgaruvchilar olib tashlanganida o'z ishini yaxshiroq bajaradi. 
Logistik regressiya modeli tezda o'rganadi va ikkilik tasniflash muammolari uchun 
juda mos keladi. 
3. Chiziqli diskriminant tahlili (LDA) 
Logistik regressiya namunani ikkita sinfdan biriga tayinlash kerak bo'lganda 
qo'llaniladi. Agar ikkitadan ortiq sinf mavjud bo'lsa, LDA algoritmidan 
foydalanish yaxshiroqdir ( Linear diskriminant tahlil ). 
LDA ni ifodalash juda oddiy. U har bir sinf uchun hisoblangan 
ma'lumotlarning statistik xususiyatlaridan iborat. Har bir kirish o'zgaruvchisi 
uchun quyidagilar kiradi: 

Har bir sinf uchun o'rtacha qiymat; 

Barcha sinflar uchun hisoblangan dispersiya. 
 
Har bir sinf uchun diskriminant qiymatini hisoblash va eng katta qiymatga 
ega sinfni tanlash orqali bashorat qilinadi. Ma'lumotlar normal taqsimotga ega deb 
taxmin qilinadi, shuning uchun ishni boshlashdan oldin ma'lumotlardan anomal 
qiymatlarni olib tashlash tavsiya etiladi. Bu tasniflash muammolari uchun oddiy va 
samarali algoritmdir.