|
Sinfi tanib olish (Classification)
|
| bet | 101/182 | | Sana | 19.05.2024 | | Hajmi | 5,69 Mb. | | #244351 |
Bog'liq Python sun\'iy intellekt texnologiyasi Dasrlik 2024Sinfi tanib olish (Classification):
Bu usulda, ma’lumotlar bir yoki bir nechta sinflarga bo‘linadi. Algoritmlar modelni o‘qitishda ta’lim ma’lumotlaridan foydalaniladi va keyinchalik model test ma’lumotlariga qo‘yiladi.
Logistic Regression: Oddiy, lekin samarali tanib olish usuli.
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
K-Nearest Neighbors (KNN): Sinfni o‘rganishda o‘xshash sinflardagi eng yaqin obyektlarni qo‘llash.
from sklearn.neighbors import KNeighborsClassifier
model = KNeighborsClassifier()
Support Vector Machines (SVM): Ma’lumotlarni sinflar orasida ajratib bo‘lish uchun ishlatiladi.
from sklearn.svm import SVC
model = SVC()
Decision Trees va Random Forests: Qaror qabul qilish va bag’rikdosh modellarini yaratish.
from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier()
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
Regression (Regressiya):
Bu usulda ma’lumotlar sonli qiymatlarga ega bo‘lgan qisqaqtirish vaqtida o‘rganiladi. Mashhur regressiya algoritm turlari:
Linear Regression: O‘qitish ma’lumotlariga mos ravishda o‘zgaruvchilarni aniqlaydi.
from sklearn.linear_model import LinearRegression
model = LinearRegression()
Ridge va Lasso Regression: Katta o‘zgaruvchilarni kuchaytirish yoki yashirish uchun ishlatiladi.
from sklearn.linear_model import Ridge
model = Ridge()
from sklearn.linear_model import Lasso
model = Lasso()
Clustering (Qo‘shma tahlil):
Bu usulda, ma’lumotlar bir-biri bilan o‘xshash obyektlar bo‘ylab guruhlarga bo‘linadi.
K-Means Clustering: Ma’lumotlarni bir nechta guruhlarga ajratish uchun ishlatiladi.
from sklearn.cluster import KMeans
model = KMeans(n_clusters=3)
Hierarchical Clustering: Qo‘shma tahlilni ilgariy qo‘shish vaqtida o‘rganish.
from sklearn.cluster import AgglomerativeClustering
model = AgglomerativeClustering(n_clusters=3)
|
| |
