Yechish. Tenglamani (14.10) parabolik kо‘rinishda izlaymiz. Quyidagi hisoblashlar jadvalini tuzamiz.
T/r
|
|
|
|
|
|
|
|
1
|
0
|
5
|
0
|
0
|
0
|
0
|
0
|
2
|
2
|
-1
|
4
|
-2
|
8
|
16
|
-4
|
3
|
4
|
-0,5
|
16
|
-2
|
64
|
256
|
-8
|
4
|
6
|
1,5
|
36
|
9
|
216
|
1296
|
54
|
5
|
8
|
4,5
|
64
|
36
|
512
|
4096
|
288
|
6
|
10
|
8,5
|
100
|
85
|
1000
|
10000
|
850
|
JAMI
|
30
|
18
|
220
|
126
|
1800
|
15664
|
1180
|
Jadvaldan foydalanib, (15.11) tenglamalar sistemasini yozamiz:
Soddalashtiramiz:
Sistemadan c parametrni yо‘qotamiz:
Sistemani yechamiz:
, ,
Shunday qilib, izlangan regressiya tenglamasi
Y hosildorlik (1 gektarga s hisobida)ni yerning haydash chuqurligi X (sm) ga bog‘liqligi jadval yordamida berilgan.
X/Y
|
10
|
12
|
14
|
16
|
nx
|
0
|
4
|
1
|
-
|
-
|
5
|
10
|
-
|
2
|
3
|
2
|
7
|
20
|
-
|
1
|
4
|
4
|
9
|
30
|
-
|
2
|
2
|
3
|
7
|
40
|
-
|
2
|
3
|
1
|
6
|
50
|
2
|
2
|
2
|
-
|
6
|
ny
|
6
|
10
|
14
|
10
|
40
|
Hosildorlik va haydov chuqurligi bog‘liqligi kо‘rinishini aniqlang va regressiya tenglamasini tuzing.
Yechish. Avvalo, Y ning xi ni qiymatlariga mos (guruhli о‘rtacha) qiymatlarini topamiz.
,
Kо‘rinib turibdiki, guruhli о‘rtacha qiymatlar dastlab о‘sib sо‘ngra kamayadi. Bu esa Y va X lar orasida parabolik korrelyatsion bog‘liqlik borligidan dalolat beradi.Regressiya tenglamasini (15.10) kо‘rinishda izlaymiz va (15.11) normal tenglamalar sistemasini yozamiz. Buning uchun quyidagi yordamchi jadval tuzamiz:
T/r
|
|
|
|
|
|
|
|
|
|
|
1
|
0
|
5
|
10,4
|
0
|
0
|
0
|
0
|
52
|
0
|
0
|
2
|
10
|
7
|
14
|
70
|
700
|
7000
|
70000
|
98
|
980
|
9800
|
3
|
20
|
9
|
|
180
|
3600
|
72000
|
144000
|
132
|
2640
|
52800
|
4
|
30
|
7
|
|
210
|
6300
|
189000
|
5670000
|
100
|
3000
|
90000
|
5
|
40
|
6
|
|
240
|
9600
|
384000
|
15360000
|
82
|
3280
|
131200
|
6
|
50
|
6
|
12
|
300
|
15000
|
750000
|
37500000
|
72
|
3600
|
180000
|
|
|
40
|
|
1000
|
35200
|
1402000
|
60040000
|
536
|
13500
|
463800
|
Natijada quyidagi chiziqli tenglamalar sistemasini hosil qilamiz.
yoki
Sistemani yechib,
larni topamiz.
Shunday qilib, izlangan regressiya tenglamasi
Xulosa
Logistik regressiya, bitta davlatning bir nechta faktorlarga (o'zgaruvchilarga) bog'liq bo'lgan diskret qiymatlardan (ko'rsatkichlardan) iborat ro'yhatni prognoslash uchun ishlatiladigan statistik metodidir. Bu regressiya modelida, bog'liq o'zgaruvchilar bir xulosa ko'rsatkichiga (bo'lgan qiymatni qanday prognoslash) bog'liq bo'lishi kuzatiladi. Logistik regressiyaning asosiy maqsadi, diskret bo'lgan yordamchi o'zgaruvchilarning qiymatlari hisoblanish uchun foydalanilgan bo'lishidir. Natijada, boshqa bir o'zgaruvchi (o'zgaruvchilar)ning uchratishligi hisoblanadi va uni belgilangan tartibda diskret qiymatlar (axborotlar) bo'yicha qo'llab-quvvatlanadi. Mashinali o'qitishda logistik regressiya, ma'lumotlar, yordamchi o'zgaruvchilarning qiymatlari va ularga mos keladigan yordamchi o'zgaruvchilarning kategoriyalariga ega bo'lgan ma'lumotlar to'plami bilan ishlaydi. Bu ma'lumotlar ustida logistik regressiyaning modeli o'qitiladi. Model o'qitilgan bo'lganda, ma'lumotlar uchun yangi qiymatlarni bashorat qilish uchun uni Qayta qayta ishlatish mumkin. Ba'zi logistik regressiya misollaridan biri, bir xonali yordamchi o'zgaruvchining (masalan, shaxsning jinsi) nisbati bo'yicha ikkinchi xonali o'zgaruvchilar uchun qanchalik "kim bankni yondiradi"ni bashorat qilishni yoki "kim ishjoyda ishlaydi"ni bashorat qilishni talab qiladigan hodisa bo'lishi mumkin. Bundan tashqari, logistik regressiya holatlar hisoblanishida, ikkinchi xonali o'zgaruvchilar qabul qilinganligi bo'yicha o'zgaruvchini "bekor qilish" yoki "tutqizish" bosqichlarini bashorat qilish uchun ham ishlatilishi mumkin. Bular bilan birga, logistik regressiya statistik analiz uskunalaridan biri sifatida tarjima etiladi.Davlatning ixtisoslashgan sohasiga qarab, mavzu doirasida boshqa istiqomat bo'lishi mumkin.
Foydalanilgan adabiyotlar
https://studfile.net/preview/14048155/page:4/
Aurelian Geron, Hands on Machine Learning with Scikit-Learn Keras&Tensorflow // Second edition Concepts, Tools, and Techniques to Build Intelligent Systems, 2019, 510 pages
Oliver Theobald, “Machine Learning for Absolute Beginners”, second edition, 2017, 128 pages
Жуков Л.А., Решетникова Н.В. Приложения нейронных сетей: Учебное пособие для студентов, учащихся лицея и ЗПШНИ / Л. А. Жуков, Н. В. Решетникова. Красноярск: ИПЦ КГТУ, 2007. 154 с.
|
