Sharof rashidov nomidagi samarqand davlat universiteti intellektual tizimlar

---

SHAROF RASHIDOV NOMIDAGI SAMARQAND 
DAVLAT UNIVERSITETI INTELLEKTUAL TIZIMLAR 
VA KOMPYUTER TEXNOLOGIYALARI FAKULTETI 
DASTURIY INJINIRING KAFEDRASI KOMPYUTER 
ILIMLARI VA DASTURLASH TEXNOLOGIYALARI 
402-GURUH TALABASI ESHTEMIROV SARDORNING
SUNIY INTELEKDAN 
LABARATORIYA 
ISHI
Samarqand-2023 
 
 
 
 

---

 
MULTIPLE REGRESSIYA ASOSIDA MODEL YARATISH 
Multiple regressiya 
1- 
qadam. Ma’lumotlar to’plamini yig’ish. Bizga berilgan ma'lumotlar: 
Avtomabil haqida ma’lumotlar. 
Demak vazifa yuqorida ma'lumotlarga asoslangan holda turli hududlarda 
uylarning bahosini aniqlab beruvchi intellektual model (dastur) yaratish. 
2- 
qadam. Kerakli modullar import qilinadi. Python dasturlash tilining 
Pandas, Numpy, Scikit-learn, Matplotlib kutubxonalarni import qilinadi. 
Scikit-learn - Python dasturlash tili uchun mashinaviy o’qitish algoritmlari 
jamlangan kutubxonadir. U turli tasniflash, regressiya va klasterlash algoritmlarini 
o'z ichiga oladi 
3- 
qadam. Ma’lumotlar to’plamini yuklash va tahlil qilish. Bizda mavjud 
bo’lgan ma’lumotlar to’plamini chaqiramiz. 

---

Info funksiyasi yordamida dataset haqida ma’lumotlarni olamiz. Agar NaN 
(mavjud bo’lmagan) qiymatlar bo’lsa ularni bartaraf etiladi. 
Demak natijadan NaN qiymatlar mavjud emasligini ko’rishimiz mumkin. 
Agarda tahlil qilinayotgan ma’lumotlar orasida bo’sh joy (NaN)lar mavjuda 
bo’lsa , ularni bartaraf etishni bir necha usullari mavjud. Biz ishlayotgan 
DataFrameda NaN qiymatlar mavjud bo’lmagani uchun boshqa DataFrame ustida 
amallarni bajaramiz. NaN qiymatlar bizga halaqit bermasligi uchun uchta usul 
mavjud. 

---

4- 
qadam. Ma’lumotlarining korrelyatsiya tahlili. Korrelyatsiya tahlili turli 
xil xususiyatlar va ularning maqsadli o‘zgaruvchi bilan bog‘lanishlari o‘rtasidagi 
munosabatlarni o‘rganadi. 
Natijalar shuni ko’rsatadiki mashina bahosiga mashinaning narxi eng yaxshi 
bog’liqlikga ega ekan. 
5- 
qadam. Encoder, Ma’lumotlar to’plamidagi 
matnlarni 
raqamga 
aylantirish. Chunki Mashinaviy o’qitishda hisoblashlashlar raqamli ma’lumotlar 
ustida amalga oshiriladi. 
Agar ustundagi ma’lumotlar keraksiz bo’lsa tashlab yuborish ham mumkin. 

---

6- 
qadam. 
Ma’lumotlar 
to’plamini 
normallashtirish: 
Raqamli 
xususiyatlarni umumiy miqyosga keltirish uchun masshtablash, kattaroq kattalikdagi 
xususiyatlarni modelda hukmronlik qilishiga yo‘l qo‘ymaydi. 
Ma’lumotlarni normallashtirish usullariga quyidagilarni misol keltirishimiz 
mumkin: 
Masshtablash yoki Min-Max Scaling. Masshtablash ma’lumotlarni 0-100 yoki 
0-1 kabi ma’lum bir shkalaga mos keladigan tarzda o‘zgartirishni anglatadi 
Buning uchun ko‘chmas mulk ma’lumotlar to’plamidagi biror ustun 
qiymatlarining min( 
x
min 
) va max( 
x
max
) qiymatlari topiladi. Keyin esa ustundagi har 
bir qiymat 
x 
quyidagi (1) formula asosida hisoblab chiqiladi: 
x
new 

x 

x
min
x

x 
(1) 
max 
min 
O‘zgaruvchilarni masshtablash orqali turli xil o‘zgaruvchilarni teng asosga 
keltirish mumkin. Masshtablash 
ma’lumotlardagi qiymatlarni o’lchamini 
o’zgartirishi 1-rasm orqali ifodalangan. 

---

1- 
rasm. Ma’lumotlarning masshtablanmagan va masshatablangan ko‘rinishi. 
Normallashtirish. Masshtablash faqat ma’lumotlarni doirasini o‘zgartiradi. 
Normalizatsiya - bu yanada radikal o‘zgarish. Normallashtirish nuqtasi – 
kuzatuvlarni normal taqsimot sifatida tavsiflash uchun o‘zgartirish. 
7-qadam. Ma’lumotlar to’plamini bo’lish. Mashinaviy o’qitish uchun 
ma’lumotlarni ikki qismga ajratib olishimiz kerak. 
 O’quv to’plami(train set) model yaratish uchun 
 Sinov to’plami(test set) - model aniqligini tekshirish uchun 

---

8- 
qadam. Model yaratish. Ma’lumotlar to’plamini Multiple regressiya 
algoritmida qo’llash. 
9- 
qadam. Modelni baholash. RMSE, MAE va R-kvadrat baholash 
ko’rsatkichlari orqali modelni baholanadi. 
10- 
qadam. Grafik tasvir. Haqiqiy va bashorat qilingan qiymatlarni grafik 
tasviri chiziladi. 

---

---