Guruh talabasi Ahmadjon Turgunovning Mashinali o’qitishga kirish fanidan topshiriqlari


Download 0.63 Mb.
Pdf ko'rish
bet1/5
Sana04.10.2022
Hajmi0.63 Mb.
#830937
  1   2   3   4   5
Bog'liq
Mashinali o\'qitish fanidan1
11111111111


640-20 guruh talabasi Ahmadjon Turgunovning Mashinali o’qitishga kirish fanidan topshiriqlari. 
Amaliy topshiriq 
Quyidagi matematik funksiyalarni PYTHON dasturlash tilida tuzing:3 
from 
math 
import 
factorial

sin

cos 
x = 
float
(
input
(
'x = '
)) 
y = 
float
(
input
(
'y = '
)) 
S = 
1
+x+x**
2
/
1
*

+ x**
3
/factorial(
3
) + x**
4
/factorial(
4

F = x*(sin(x)**

+ cos(y)**
2

print
(
"S = "

S) 
print
(
"F = "

F) 
Qiymat: x = 0.335 
y = 0.025 
Natija: 
S = 1.566240664609375 
F = 0.3466953578345472
2- topshiriq 


from 
math 
import 
factorial

sin

cos 
x = 
float
(
input
(
'x = '
)) 
y = 
float
(
input
(
'y = '
)) 
S = 
1
+x+x**
2
/
1
*

+ x**
3
/factorial(
3
) + x**
4
/factorial(
4

F = x*(sin(x)**

+ cos(y)**
2

print
(
"S = "

S) 
print
(
"F = "

F) 
Qiymat: x = 0.303 
y = 0.02 
Natija: S = 1.4916055583533752 
F = 0.31092839344502693 
Savollarga javobla 2- topshriq. 
Nazorat savollari 
1. Mashionali o’qituchning qanday turlari mavjud ? 
2. O’qituvchisiz o’qitish (unsupervised learning) haqida ma’lumot bering? 
3. Mashinali o'qitish modellari uchun asosiy algoritmlarni tariflang? 
4. Python qanday o’rnatiladi? 
1. 


Mashinada o'qitish turlari va klassifikatsiyasi 
Mashinali o'qitish tufayli dasturchi barcha mumkin bo'lgan muammolarni hisobga olgan 
va barcha echimlarni o'z ichiga olgan ko'rsatmalar yozishi shart emas. Buning o'rniga, 
kompyuterga (yoki alohida dasturga) statistik ma'lumotlardan kompleks foydalanish 
orqali mustaqil ravishda echimlarni topish algoritmi yuklanadi, ulardan naqshlar olinadi 
va ular asosida bashorat qilinadi. 
Ma'lumotlarni tahlil qilish asosida mashinalarni o'rganish texnologiyasi 1950 yilda, 
shashka o'yini uchun birinchi dasturlar ishlab chiqila boshlangandan boshlanadi. So'nggi 
o'n yilliklarda umumiy tamoyil o'zgarmadi. Ammo kompyuterlarning hisoblash 
qudratining portlovchi o'sishi tufayli ular yaratgan naqshlar va bashoratlar bir necha bor 
murakkablashdi va mashinada o'qitish yordamida echilishi mumkin bo'lgan muammolar 
va vazifalar doirasi kengaytirildi.
2 Mashinada o'qitish muammolari turlari 
ML bilan hal qilingan barcha vazifalar quyidagi toifalardan biriga kiradi. 
1) Regressiya vazifasi - har xil xususiyatlarga ega bo'lgan ob'ektlar namunasi asosida 
prognoz qilish. Chiqarilgan mahsulot haqiqiy songa (2, 35, 76.454 va boshqalar) to'g'ri 
kelishi kerak, masalan, kvartira narxi, olti oydan keyin xavfsizlik qiymati, do'konning 
keyingi oy uchun kutilayotgan daromadi, ko'r-ko'rona sinovlarda sharob sifati. 
2) Tasniflashning vazifasi - bu xususiyatlar to'plamiga asoslangan kategorik javobni 
olishdir. Javoblarning cheklangan soniga ega (odatda "ha" yoki "yo'q" 
formatida): 
fotosuratda mushuk bormi
, inson qiyofasi tasvirlanganmi yoki bemor 
saraton kasalligiga chalinganmi? 
3) Klasterlash vazifasi - ma'lumotlarni guruhlarga taqsimlash: uyali aloqa operatorining 
barcha mijozlarini to'lov qobiliyati darajasiga bo'lish, kosmik ob'ektlarni u yoki bu toifaga 
(sayyora, yulduz, qora tuynuk va boshqalar) ajratish. 
4) o'lchovni qisqartirish vazifasi, keyinchalik ularni vizualizatsiya qilish uchun qulay 
bo'lishi uchun (masalan, ma'lumotlarni siqish) ko'p sonli xususiyatlarni kichikroq (odatda 
2-3) ga kamaytirishdir. 
5) Anomaliyalarni aniqlashning vazifasi anomaliyalarni standart holatlardan ajratishdir. 
Bir qarashda, bu tasniflash vazifasiga to'g'ri keladi, ammo bitta muhim farq bor: 
anomaliyalar kamdan-kam uchraydigan hodisa bo'lib, bunday ob'ektlarni aniqlash uchun 
mashina o'rganish modelini o'rgatish mumkin bo'lgan o'qitish misollari yo yo'qolib 
qoladi, yoki shunchaki emas, shuning uchun tasniflash usullari bu erda ishlamaydi. ... 
Amalda bunday vazifa, masalan, bank kartalari bilan firibgarlikni aniqlashdir4 Mashinali 
o'rganish modellarining asosiy algoritmlari 
1. Qaror daraxti 
Bu daraxtga o'xshash grafikadan foydalanishga asoslangan qarorlarni qo'llab-quvvatlash 
usuli: ularning potentsial oqibatlarini hisobga olgan holda qaror qabul qilish modeli 
(hodisa yuzaga kelishi ehtimolini hisoblash bilan), samaradorlik, resurslarni sarflash. 
Biznes-jarayonlar uchun ushbu daraxt minimal miqdordagi savollardan iborat bo'lib, ular 
aniq javobni talab qiladi - "ha" yoki "yo'q". Bu savollarning barchasiga doimiy ravishda 
javob berib, to'g'ri tanlovga kelamiz. Qaror daraxtining 
uslubiy afzalliklari shundaki
, u 
muammoni tuzadi va tizimga soladi va yakuniy qaror mantiqiy xulosalar asosida qabul qi
tasvirlardagi yuzlar va boshqa naqshlarni tanib olish. 
3. 
Eng kam kvadratchalar usuli
 
Statistikani kamida ozgina o'rgangan har bir kishi chiziqli regressiya tushunchasini 
yaxshi biladi. Eng kichik kvadratchalar ham uni amalga oshirish variantlariga tegishli. 
Odatda, chiziqli regressiya ko'plab nuqtalardan o'tgan to'g'ri chiziqni o'rnatish 
masalalarini hal qilish uchun ishlatiladi. Bu eng kichik kvadratlar usuli yordamida amalga 
oshiriladi: to'g'ri chiziqni torting, undan har bir nuqtaga qadar masofani o'lchang 


(nuqtalar va chiziq vertikal segmentlar bilan bog'langan), natijada olingan summani 
ko'chiring. 
4. Logistik regressiya 
Logistik regressiya bu o'zgaruvchilardan o'zaro bog'liqlikni aniqlash usulidir, ulardan biri 
qat'iyan bog'liq, boshqalari esa mustaqil. Buning uchun logistik funktsiyadan 
(akkumulyativ logistik taqsimot) foydalaniladi. Logistik regressiyaning amaliy qiymati 
shundaki, u bir yoki bir nechta mustaqil o'zgaruvchini o'z ichiga olgan voqealarni 
bashorat qilishning kuchli statistik usuli hisoblanadi. Bu quyidagi holatlarda foydalidir: 
kredit skoringi; 
reklama kampaniyalarining muvaffaqiyatini o'lchash; 
ma'lum bir 
mahsulot uchun foyda prognozi

ma'lum bir sanada zilzila ehtimolini taxmin qilish.
5. Vektorli mashinani qo'llab-quvvatlash (SVM) 
Bu tasniflash va regressiya tahlili masalalarini hal qilish uchun zarur bo'lgan 
algoritmlarning butun to'plamidir. N o'lchovli kosmosdagi ob'ekt ikki sinfdan biriga tegishli 
ekanligiga asoslanib, qo'llab-quvvatlovchi vektor mashinasi barcha ob'ektlar ikki guruhdan 
birida bo'lishi uchun (N - 1) o'lchovli giperplan tuzadi. Qog'ozda uni quyidagicha ifodalash 
mumkin: ikki xil nuqtalar mavjud va ularni chiziqli ajratish mumkin. Ushbu usul nuqtalarni 
ajratishdan tashqari, har bir guruhning eng yaqin nuqtasidan iloji boricha giperplane hosil 
qiladi. 
2. 

Download 0.63 Mb.

Do'stlaringiz bilan baham:
  1   2   3   4   5




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©fayllar.org 2022
ma'muriyatiga murojaat qiling