|
2-Topshiriq Mavzu: Chiziqli regressiya. Pyton dasturlash tilida chiziqli regressiya bilan ishlash
|
Sana | 04.04.2024 | Hajmi | 1.1 Mb. | | #186914 |
Bog'liq Chiziqli regressiya. Pyton dasturlash tilida chiziqli regressiya bilan ishlash
OʻZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI
MUHAMMAD AL-XOZAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI
2-Topshiriq
Mavzu: Chiziqli regressiya. Pyton dasturlash tilida chiziqli regressiya bilan ishlash
Bajardi: Mekhmonkhujaev Azizbek
Tekshirdi: To’rayev Boburxon
TOSHKENT -2022
2-Amaliy mashg`ulot.
1. Chiziqli regressiya tushunchasi. y=wx+b funksiyadagi og`irlik va bias qiymatini topish. Loss grafigi.
Funksiya: 3*x+5
import numpy as np
import matplotlib.pyplot as plt
import math
N=int(input('N='))
X=int(input('X='))
w=np.zeros(N)
Y=np.zeros(X)
B=np.zeros(X)
S=np.zeros(X)
r=np.zeros(N)
#y=6x
x=[1,2,3]
y=[6,12,18]
a=0.001
w[0]=3.2
k=0
for i in range(1,N):
for j in range(0,3):
w[i]=w[i-1]-a*2*(w[i-1]*x[j]-y[j])*x[j]
r[i-1]=w[i-1]*x[j]-y[j]
if 0.0001< r[i-1] and r[i-1]<0.001:
k=w[i-1]
print(w[i-1])
break
plt.plot(r)
plt.show()
2. Ikkinchi darajali polynomial regressiya tushunchasi. y=w1x2+w2x+b noma’lum koeffitsientlarni toppish. Loss grafigini chiqarish.
Funksiya: #x^2+2*x
Dastur kodi:
#x^2+2*x
import numpy as np
import matplotlib.pyplot as plt
import math
N = int(input('N='))
X = int(input('X='))
w = np.zeros(N)
T = np.zeros(N)
Y = np.zeros(4)
B = np.zeros(X)
S = np.zeros(X)
r = np.zeros(N)
x = [1, 2, 3]
y = [3, 8, 15]
a = 0.001
w[0] = 1.3
T[0] = 3.1
k = 0
l = 0
for i in range(1, N):
for j in range(0, 3):
w[i] = w[i - 1] - a * 2 * (w[i - 1] * x[j]*x[j] + T[i - 1] * x[j]- y[j] ) * x[j] * x[j]
T[i] = T[i - 1] - a * 2 * (w[i - 1] * x[j] * x[j] + T[i - 1] * x[j] - y[j]) * x[j]
r[i - 1] = w[i - 1] * x[j]*x[j] + T[i-1]*x[j] - y[j]
if 0.0001 < r[i - 1] and r[i - 1] < 0.001:
k = w[i - 1]
l= T[i-1]
print("w1=",w[i-1])
print("w2=",T[i - 1])
break
plt.plot(r)
plt.show()
natija:
Xulosa:
Trend chizig'i vaqt o'tishi bilan miqdoriy ma'lumotlarning o'zgarishini ifodalaydi. Ushbu tendentsiyalar odatda chiziqli munosabatlarga amal qiladi. Shunday qilib, kelajakdagi qiymatlarni bashorat qilish uchun chiziqli regressiya qo'llanilishi mumkin. Biroq, bu usul boshqa potentsial o'zgarishlar ma'lumotlarga ta'sir qilishi mumkin bo'lgan hollarda ilmiy asossizlikdan aziyat chekadi.Chiziqli regressiya iqtisodiyotda asosiy empirik vositadir. Masalan, u iste'mol xarajatlarini, asosiy investitsiya xarajatlarini, inventar investitsiyalarini, mamlakat eksportini sotib olishni, importga sarf-xarajatlarni, likvid aktivlarga bo'lgan talabni, ishchi kuchiga bo'lgan talabni va ishchi kuchi taklifini bashorat qilish uchun ishlatiladi. Moliya: kapital bahosidagi aktivlar modeli investitsiyalarning tizimli risklarini tahlil qilish va hisoblash uchun chiziqli regressiyadan foydalanadi. Chiziqli regressiya biologik tizimlardagi parametrlar orasidagi sabab-oqibat munosabatlarini modellashtirish uchun ishlatiladi.
Foydalanilgan Adabiyotlar:
https://en.wikipedia.org/wiki/Linear_regression
https://en.wikipedia.org/wiki/Simple_linear_regression
http://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html
http://www.statisticssolutions.com/assumptions-of-linear-regression/
|
| |