• patok talabasining “Mashinali oqitish kirish” fanidan tayyorlagan 5-AMALIY ISHI Topshirdi: Yuldashev B.
  • Kiberxavfsizlik” fakulteti 713-21- guruh cry




    Download 412.94 Kb.
    Sana19.12.2023
    Hajmi412.94 Kb.
    #123313
    Bog'liq
    Bunyod
    1-mavzu.strategik menejment, Мустақил таълим Бухгалтерия ҳисоби - 1-ОН, diplom-341181104610 (1), ENEo3GGopmKV8ahTBf5SoCDdGn7jnEbES193VjZq, 9-sinf masala javobi, 0K16EUHRqB3eK4zrjbgpxIyGYQm8FQCtmJGvHnh9, Mavzu Ulug`bek Hamdam. “Muvozanat”, “Isyon va itoat”, “Na’matak-fayllar.org, 1.Psixologiya fanining maqsad va vazifalari, dastur adabiyot metodika, Ортодонтичні апарати, 1-mavzu, 2-mavzu, Dasturiy injiniring, TANLOV FAN ATOM VA MOLEKULYAR SPEKTRASKAPIYA, Xayriddinov B, Molekular fizika.


    MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI

    KIBERXAVFSIZLIK” FAKULTETI


    713-21- guruh CRY002 - 1 - patok talabasining
    Mashinali oqitish kirish” fanidan tayyorlagan

    5-AMALIY ISHI


    Topshirdi: Yuldashev B.
    Tekshirdi: Ochilov M.

    TOSHKENT - 2023

    5-amaliy ish.
    18-variant


    1. Berilgan variantdagi masala yuzasidan o’rgatuvchi tanlama(dataset)ni shakllantiring.


    1. rasm. Yaratilgan dataset

    Bu yerda numpy kutubxonasi yordamida o‘qituvchilarni 4 ta xuxusiyatidan kelib chiqib 3ta sinfga ajratilgan dataset tuzildi. Datasetni o‘qituvchilar ro‘yhati nomli excelda ro‘yhat shakllantirib shu ni joylashgan joyidan linki orqali olib kelib joylashtirdim.

    2-rasm. Dataset ma’lumotlari.

    5-rasm. Dataset modelini qurish.
    Bu yerda datasetning testlash va o‘qitish uchun barcha xuxusiyatlarini va barcha sinflarini alohida qilib chiqarish kodi yozilgan.
    array[[-4 66 7] [-3 67 8] [-2 68 9] [-1 69 10] [ 0 70 11] [ 1 71 7] [ 2 72 8] [ 3 73 9] [ 4 74 6] [ 5 65 7] [ 6 66 8] [ 7 67 9] [ 8 68 10] [ 9 70 11] [10 45 7] [11 46 8] [12 47 9] [13 48 6] [14 49 7] [15 50 8] [16 51 9] [17 52 2] [18 53 3] [19 54 4] [20 73 5] [21 74 6] [10 65 7] [11 66 9] [12 67 6] [13 68 7] [14 70 8] [15 45 9] [16 46 2] [17 47 3] [18 48 4] [19 49 5] [20 50 6] [21 51 7] [22 20 0] [23 19 0] [24 18 1] [25 17 2] [26 17 3] [27 16 1] [28 15 2] [29 14 3] [30 13 1] [31 12 2] [32 11 1] [33 10 55] [34 10 1] [35 11 0] [36 10 1] [37 12 2] [38 10 0] [39 9 1] [40 10 2] [41 10 1]]
    Datasetni barcha xususiyatlari.

    [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]
    Datasetni barcha sinflari.

    2.Yaratilgan dataset ning ixtiyoriy ikkita xususiyatini olgan holda matplotlib kutubxonasidan foydalanib grafik tasvirlang.



    3-rasm. Grafik kodi.

    4-rasm. Dataset grafiki.
    Yaratilgan datasetni matplotlib kutubxonasi yordamida ikkita (Hajmi va Rangi) xususiyatininng grafigi chizildi.



    1. Yaratilgan datasetni modelni o’qitish uchun 90 % va testlash uchun 10% nisbatda bo’laklarga ajrating.



    1. rasm. Keras.utilsning to_categorical kutubxonasi.





    1. rasm. Train va test qiymatlarga ajratish.

    Berilgan datasetning qiymatlarini 90% train va 10% test qiymatga ajratish kodi turibdi.


    1. rasm. Train uchun.

    60ta datasetdan 3ta xususiyaitdan 53ta har xil xususiyatli qiymatlarni train uchun ajratgan.


    1. rasm. Test uchun.

    60ta datasetning 3ta sinflarini 6tas har xil sinflarini test uchun ajratgan.

    4.Keras kutubxonasidan foydalanib masalaga mos neyron tarmoq arxitekturasini quring.




    1. rasm. Keras kutubxonasi.

    Bu rasmda keres.models dan Sequential, keras.layers dan Dense va keras.optimizers da Adam SGD kutubxonalari import qilib chaqirib olingan.


    1. rasm. Neyron tarmoq arxitekturasi.

    5.Neyon tarmoqni o’qitish paramertlarini(o’qish qadami-lr, o’qitishlar soni-epoch) tanlang.


    1. rasm. Neyron tarmog‘ini 0.001 aniqlikda o‘qitish jarayoni.

    6.Neyron tarmoqning o’qitish natijalarini garfik tarvirlang.


    1. rasm. Epochdagi Loss(xatolik) va Accuracy( aniqlik) dagi grafigini chizish kodi.


    13-rasm. Epochning grafigi.
    7.Model aniqligini hisoblang(o’rgatuvchi tanalama uchun).

    14-rasm. Tanlanma to‘plam aniqligi.
    Berilgan rasmda tanlamaning to‘plamning xatoligi loss qiymati: 0.0393 bo‘lsa tanlamaning to‘plamning aniqligi accuracy qiymati: 1.00 bo‘lgan qiymatlar chiqarildi.

    8.Modelni test to’plam bilan testlang. Modelini test to’plamdagi aniqligini hisoblang.



    15-rasm. Test to‘plam aniqligi.
    Berilgan rasmda test to‘plamning xatoligi loss qiymati: 0.0084 bo‘lsa test to‘plamning aniqligi accuracy qiymati: 1.00 bo‘lgan qiymatlar chiqarildi.


    1. rasm. Testlash.

    Download 412.94 Kb.




    Download 412.94 Kb.

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Kiberxavfsizlik” fakulteti 713-21- guruh cry

    Download 412.94 Kb.