Supervised learning va uning algoritmlari?
Supervised learning
O’qituvchili o’qitish (Supervised learning) – bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. Bunday turdagi o’qitish usullariga Regressiya va Sinflashtirish masalalarini misol keltirish mumkin. Bunda xususiyatlari aniq deganda kiruvchi va chiquvchi parametrlar mavjud
bo’lishi nazarda tutiladi.
Modelni o’qitishda foydalaniladigan ma’lumotlar odatda ikkita qismga ajratiladi va ular 80:20 nisbatda olinadi. Ya’ni ma’lumotlarning 80% o’qitiluvchi ma’lumot va qolgan 20% esa modelni testlovchi ma’lumot bo’lib xizmat qiladi. O’qitish jarayonida model kiruvchi va chiquvchi ma’lumotlarning 80% dan foydalanadi va modelni o’qitish faqat ushbu ma’lumot orqali amalga oshiriladi.
Support-vector machines (Yordamchi vektorli mashinalar)
Linear regression (Chiziqli regressiya)
Logistic regression (Logistik regressiya)
Naive Bayes
Linear discriminant analysis (Chiziqli diskriminant tahlili)
Decision trees (Qaror daraxtlari)
K-nearest neighbor algorithm (K-eng yaqin qo'shni algoritmi)
Neyron tarmoqlar
Similarity learning (O'xshashlikni o'rganish)
Modelni sinash va natijalarni tasdiqlash va uning usullari.
Mashinali o'qitishda modelni sinash va natijalarni tasdiqlashning turli usullari mavjud. Bu usullar quyidagilardan iborat bo'lishi mumkin:
1. Keltirilgan ma'lumotlarni ushbu model bilan amalga oshirish: Bu, modelni sinashning eng oddiy va amaliy usuli. Bu, modelga keltirilgan test ma'lumotlar orqali modelelarning ishini tekshirishdir. Bu usul avvalgi ma'lumotlarni sinash orqali yangi ma'lumotlarni boshqarishni qulaylashtirishga ta'sir etadi.
2. K-perkritiya metodi: Bu usulda ma'lumotlar bir nechta sinfda ajratiladi va model uning o'ziga xos va kundalik yechimlarini topadi. Bu usulda, optimal sinf sonini aniqlash uchun bir nechta sinflar alohida o'qitilganligi uchun qo'llaniladi.
3. Cross-validation usuli: Bu usulda keltirilgan ma'lumotlar qisqa sinflarga ajratiladi va har bir sinfdagi yechimlar soddalashtiriladi. Keza, sinflarning natijalari statistik xarakteristika bilan ta'minlangan holda yechish uchun qo'llaniladi.
4. Hold-out metod: Bu metoddagi datalar biron-biriga ixtiyoriy aj
| 