O‘ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA
KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI
MUHAMMAD AL-XORAZMIY NOMIDAGI
TOSHKЕNT AXBOROT TЕXNOLOGIYALARI UNIVЕRSITЕTI
AMALIY MASHG’ULOT
MACHINALI O’QITISHGA KIRISH FANI
Guruh: 070-20
Bajardi: Shaxzod Xushnazarov
Tekshirdi: Qobilov. S
Toshkent 2024
Chiziqli regressiya tushunchasi. Ikkinchi darajali polynomial regressiya tushunchasi. y=wx+b va y=w1x2+w2x+b funksiyalardagi og`irliklar va bias qiymatlarini topish. Gradient pastlash va Loss grafigi.
Nazariy qisim
Python kutubxonalaridan foydalangan holda dataset xosil qilish uchun quyidagi kodni ishlatishingiz mumkin. Bu kod 10 ta o‘zgaruvchi va 20 ta qatorli dataset xosil qiladi. Keyin esa sklearn kutubxonasi yordamida oddiy bir modelni tuzamiz.
Dastur kodi:
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
np.random.seed(42)
data = np.random.randn(20, 10) # 20 ta qator va 10 ta o'zgaruvchi
columns = [f'Feature_{i}' for i in range(1, 11)]
df = pd.DataFrame(data, columns=columns)
print("Dataset:")
print(df.head())
df['Target'] = np.random.randn(20)
X = df.drop('Target', axis=1)
y = df['Target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# Modelni tuzish
model = LinearRegression()
model.fit(X_train, y_train)
# Bashorat qilish va natijalarni baholash
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("\nModel natijalari:")
print("Mean Squared Error:", mse)
Ushbu kod quyidagilarni amalga oshiradi:
|
