|
SLR va MLR modellarining baxolash mezonlari?
|
| bet | 2/10 | | Sana | 26.04.2023 | | Hajmi | 237.88 Kb. | | #53913 |
Bog'liq machine learing exam Temir yol tr menejm DARSLIK (1), 1111111111, Nazorat ishi, flyer, HOZIRGI 0‘ZBEK ADABIY TILI, Shablonbek, ., 12 Восстановлен автовосстановление 87SLR va MLR modellarining baxolash mezonlari?
SLR (Oddiy chiziqli regressiya) - bu to'g'ri chiziq yordamida bitta mustaqil o'zgaruvchi va bitta qaram o'zgaruvchi o'rtasidagi munosabatni baholaydigan regressiya modeli. Ikkala o'zgaruvchi ham miqdoriy bo'lishi kerak.
Masalan, harorat va simobning termometrdagi kengayishi o'rtasidagi bog'liqlikni to'g'ri chiziq yordamida modellashtirish mumkin: harorat oshishi bilan simob kengayadi.
MLR (Ko'p chiziqli regressiya) nima? Ko'p chiziqli regressiya - bu to'g'ri chiziq yordamida miqdoriy bog'liq o'zgaruvchi va ikki yoki undan ortiq mustaqil o'zgaruvchilar o'rtasidagi munosabatni baholaydigan regressiya modeli.
Axborot mezonlari turli regressiya modellariga ballarni belgilash uchun ishlatiladi.
Darajasi:
model mosligini pasaytirish (model ma'lumotlarga qanchalik yaxshi mos tushsa, ball shunchalik past bo'ladi);
modelning murakkabligini oshirish (qanchalik ko'p regressorlar va parametrlar bo'lsa, ball shunchalik yuqori bo'ladi).
Eng yaxshi model eng past ballga ega bo'lgan modeldir.
SLR va MLR modellari uchun baxolash vositasi ko'p mavjud. Ular ko'pincha Python dasturlash tili va kutubxonalari yordamida yaratiladi. Ba'zi baxolash modellari esa Excel kabi dasturlardan foydalanishni amalga oshiradi. Baxolash natijalari yig'iladigan ma'lumotlar odatda statistika va matematik asosidagi kutubxonalarda ajratiladi.
k-NN va chiziqli regressiya algoritmlarining baxolash mezonlari.
k-NN - Eng Yaqin Qo'shnilar
K-eng yaqin qo'shnilar (kNN) texnikasi tasniflash va regressiya masalalarini hal qilish uchun ishlatilishi mumkin bo'lgan nazorat ostidagi mashinalarni o'rganishning kichik to'plamidir. KNN algoritmi yaqin atrofda taqqoslanadigan ob'ektlarni topish mumkinligini taxmin qiladi. Men buni hamfikrlar yig'ilishi sifatida eslayman. kNN yaqinlik, yaqinlik yoki masofadan foydalangan holda boshqa ma'lumotlar nuqtalari o'rtasidagi o'xshashlik g'oyasidan foydalanadi.Ko'rinmaydigan ma'lumotlarni eng yaqin etiketlangan kuzatilishi mumkin bo'lgan ma'lumotlar nuqtalari asosida belgilash uchun grafikdagi nuqtalar orasidagi bo'linishni aniqlash uchun matematik usul qo'llaniladi.
Eng yaqin taqqoslanadigan nuqtalarni aniqlash uchun ma'lumotlar nuqtalari orasidagi masofani aniqlashingiz kerak. Buning uchun Evklid masofasi, Hamming masofasi, Manxetten masofasi va Minkovski masofasi kabi masofa o'lchovlaridan foydalanish mumkin. K eng yaqin qo'shni raqam sifatida tanilgan va u ko'pincha toq sondir.
KNN tasniflash va regressiya muammolariga qo'llanilishi mumkin. KNN regressiya masalalari uchun foydalanilganda qilingan bashorat K-eng o'xshash hodisalarning o'rtacha yoki medianasiga asoslanadi.
KNNga asoslangan tasniflash algoritmining natijasini K eng o'xshash hodisalar orasida eng yuqori chastotaga ega bo'lgan sinf sifatida aniqlash mumkin. Har bir misol asosan o'z sinfi uchun ovoz beradi va bashorat eng ko'p ovoz olgan sinfga tegishli.
|
| |
