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

9. Bagging va tasodifiy o'rmon 
Tasodifiy o'rmon - bu juda mashhur va samarali mashinani o'rganish 
algoritmi. Bu bagging deb ataladigan ansambl algoritmining o'zgarishi . 
Bootstrap - bu o'rtacha kabi narsalarni baholashning samarali statistik usuli. 
Siz ma'lumotlaringizning ko'plab kichik namunalarini olasiz, har birini o'rtacha 
hisoblaysiz va keyin haqiqiy o'rtacha qiymatni yaxshiroq baholash uchun 
natijalarni o'rtacha hisoblaysiz. 
Bagging xuddi shu yondashuvdan foydalanadi, ammo qaror daraxtlari 
ko'pincha barcha statistik modellarni baholash uchun ishlatiladi. O'quv 
ma'lumotlari ko'plab namunalarga bo'linadi, ularning har biri uchun model 
yaratiladi. Bashorat qilish kerak bo'lganda, har bir model bittasini yaratadi, so'ngra 
chiqish qiymatining eng yaxshi bahosini berish uchun bashoratlar o'rtacha 
hisoblanadi. 

---

Tasodifiy o'rmon algoritmida qaror daraxtlari barcha namunalar uchun o'quv 
ma'lumotlaridan qurilgan. Daraxtlarni qurishda har bir tugunni yaratish uchun 
tasodifiy xususiyatlar tanlanadi. Alohida-alohida, natijada olingan modellar juda 
aniq emas, lekin ular birlashtirilganda bashorat sifati sezilarli darajada 
yaxshilanadi. 
Agar qaror daraxtlari kabi yuqori tafovut algoritmi maʼlumotlaringizda yaxshi 
ishlasa, bu unumdorlikni koʻpincha baggingni qoʻllash orqali yaxshilash mumkin . 
10. Boosting va AdaBoost 
Boosting - bu ansambl algoritmlari oilasi bo'lib, uning mohiyati bir nechta 
zaiflar asosida kuchli tasniflagichni yaratishdir. Buning uchun birinchi navbatda 
bitta model, so'ngra birinchisida xatolarni tuzatishga harakat qiladigan boshqa 
model yaratiladi. Modellar o'quv ma'lumotlari mukammal bashorat qilinmaguncha 
yoki modellarning maksimal sonidan oshib ketguncha qo'shiladi. 
AdaBoost ikkilik tasniflash uchun ishlab chiqilgan birinchi chinakam 
muvaffaqiyatli kuchaytirish algoritmi edi. U bilan tanishishni kuchaytirish bilan 
boshlash yaxshidir . Stochastic Gradient Boosting kabi zamonaviy usullar 
AdaBoost -ga asoslangan . 
AdaBoost qisqa qarorlar daraxtlari bilan birgalikda ishlatiladi. Birinchi daraxt 
yaratilgandan so'ng, uning har bir o'quv ob'ektidagi ishlashi tekshiriladi, keyingi 
daraxt barcha ob'ektlarga qanchalik e'tibor berishi kerak. Bashorat qilish qiyin 

---

bo'lgan ma'lumotlarga ko'proq, bashorat qilish oson bo'lgan ma'lumotlarga esa 
kamroq vazn beriladi. Modellar ketma-ket yaratiladi va ularning har biri keyingi 
daraxt uchun og'irliklarni yangilaydi. Barcha daraxtlar qurilgandan so'ng, yangi 
ma'lumotlar uchun bashorat qilinadi va har bir daraxtning ishlashi mashg'ulot 
ma'lumotlarida qanchalik to'g'ri ekanligi bilan belgilanadi. 
Ushbu algoritm model xatolarini tuzatishga katta e'tibor berganligi sababli, 
ma'lumotlarda anomaliyalar mavjud emasligi muhimdir. 
Nazorat savollari 
1. Mashinali o’qitish nima? 
2.Mashinani o’qitishning qanday asosiy usullari mavjud? 
3. Mashinani o’qitishdagi qanday qiyinchiliklar va cheklovlar mavjud? 
4. Mashinali o’qitishda qanday algaritmlardan foydalaniladi?
Mashinali o'rganish bu kompyuterlar o'rganadigan va odamlar singari harakat 
qiladigan bilimdir. Vaqt o'tishi bilan, o'zingizning haqiqatingizni kuzatish shaklida 
ma'lumotlarni taqdim etish orqali buni yaxshilashni o'rganing ». 
Yuqoridagi ta'rif Machine Learning-ning asosiy maqsadi. Ushbu maqolaning 
maqsadi Machine Learning qanday ishlashi haqida tushuncha berishdir. 
Mashinada 
o'qitish 
(ML) 
bu 
tajriba 
orqali 
avtomatik 
ravishda 
takomillashadigan kompyuter algoritmlarini o'rganishdir.[1] Ning pastki qismi 
sifatida qaraladi sun'iy intellekt. Mashinada o'qitish algoritmlari namunaviy 
ma'lumotlarga asoslanib, "o'quv ma'lumotlari ", bashorat qilish yoki aniq 
dasturlashsiz qaror qabul qilish uchun.[2] Mashinali o'qitish algoritmlari kabi turli 
xil dasturlarda qo'llaniladi elektron pochta orqali filtrlash va kompyuterni ko'rish, 
kerakli vazifalarni bajarish uchun an'anaviy algoritmlarni ishlab chiqish qiyin yoki 
maqsadga muvofiq emas. 
Mashinada o'qitishning bir qismi bilan chambarchas bog'liq hisoblash 
statistikasi, bu kompyuterlar yordamida bashorat qilishga qaratilgan; ammo 

---

hamma mashinada o'rganish statistik o'rganish emas. O'rganish matematik 
optimallashtirish mashinasozlik sohasiga metodlar, nazariya va dastur sohalarini 
etkazib beradi. Ma'lumotlarni qazib olish e'tiborini qaratish bilan bog'liq bo'lgan 
ta'lim sohasidir kashfiyot ma'lumotlarini tahlil qilish orqali nazoratsiz 
o'rganish.[4][5] Ishbilarmonlik muammolari bo'yicha uni qo'llashda mashinasozlik 
deb ham ataladi bashoratli tahlil. 
Mashinani o'rganish uchun turli xil algoritmlar mavjud. Har kuni yuzlab nashrlar 
chop etiladi. Ular odatda tomonidan guruhlanadi o'quv uslubi (nazorat ostida 
o'rganish, nazoratdan o'tkazilmaydigan o'rganish, yarim tekshiruvdan o'tish) yoki 
undan foydalanish shakl yoki funktsiya bo'yicha shartnomalar (masalan, 
tasniflash, regressiya, qarorlar daraxti, klasterlash, chuqur o'rganish va hk). O'quv 
uslubi yoki funktsiyasidan qat'i nazar, barcha kombinatsiyalar quyidagilardan 
iborat: 
