|
Mashinali o’qitishda Vizualizatsiyaning o’rni va grafik turlari
|
| bet | 9/10 | | 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 87Daraxtlar ansambllari:
Daraxtlar ansambllari algoritmlar oilasi bo'lib, ikkita alohida algoritmni, ya'ni Boost Trees va Random Forestsni qamrab oladi. Ularning asosiy afzalliklaridan biri shundaki, ular chiziqli xususiyatlarni, shuningdek, chiziqli o'zaro ta'sir qiluvchi xususiyatlarni kutmaydilar. Ko'p qaror daraxtlarining kombinatsiyasi sifatida yaratilgan Daraxtlar ansambllari kategorik (ikkilik) xususiyatlarni osongina boshqarishi mumkin.
Bundan tashqari, ularning umumiy konstruktsiyasi (ko'tarish va to'plash yordamida) tufayli ular o'lchovli bo'shliqni va ko'p sonli o'quv misollarini juda yaxshi boshqarishi mumkin.
k-NN algoritmi va uning ishlash tamoyili?
K-Eng yaqin qo'shnilar algoritmi
KNN yoki k-NN deb ham ataladigan k-eng yaqin qo'shnilar algoritmi parametrik bo'lmagan, nazorat qilinadigan o'rganish tasniflagichi bo'lib, u alohida ma'lumotlar nuqtasini guruhlash bo'yicha tasniflash yoki bashorat qilish uchun yaqinlikdan foydalanadi. U regressiya yoki tasniflash muammolari uchun ishlatilishi mumkin bo'lsa-da, u odatda tasniflash algoritmi sifatida ishlatiladi va shunga o'xshash nuqtalar bir-biriga yaqin bo'lishi mumkin degan taxminga asoslanadi.
Tasniflash muammolari uchun sinf yorlig'i ko'pchilik ovozi asosida tayinlanadi, ya'ni ma'lum bir ma'lumot nuqtasi atrofida eng ko'p ifodalanadigan yorliq ishlatiladi. Bu texnik jihatdan "ko'p ovoz berish" deb hisoblansa-da, adabiyotda "ko'pchilik ovoz" atamasi ko'proq qo'llaniladi. Ushbu terminologiyalar orasidagi farq shundaki, "ko'pchilik ovoz berish" texnik jihatdan 50% dan ortiq ko'pchilikni talab qiladi, bu asosan faqat ikkita toifa mavjud bo'lganda ishlaydi. Agar siz bir nechta sinflarga ega bo'lsangiz, masalan, to'rtta toifaga ega bo'lsangiz, sinf haqida xulosa chiqarish uchun sizga 50% ovoz kerak emas; 25% dan ortiq ovoz bilan sinf yorlig'ini belgilashingiz mumkin. Viskonsin-Madison universiteti buni misol bilan yaxshi umumlashtiradi ( PDF, 1,2 MB) (havola ibm.com saytidan tashqarida joylashgan).
KNNni hisoblash: k.ni aniqlash
k-NN algoritmidagi k qiymati ma'lum bir so'rov nuqtasining tasnifini aniqlash uchun qancha qo'shni tekshirilishini belgilaydi. Misol uchun, agar k=1 bo'lsa, misol eng yaqin qo'shnisi bilan bir xil sinfga tayinlanadi. K ni aniqlash muvozanatlash harakati bo'lishi mumkin, chunki turli qiymatlar haddan tashqari moslashish yoki to'liq moslashishga olib kelishi mumkin. K ning past qiymatlari yuqori dispersiyaga ega bo'lishi mumkin, ammo past tarafkashlik va k ning kattaroq qiymatlari yuqori tarafkashlikka va past dispersiyaga olib kelishi mumkin. K ni tanlash ko'p jihatdan kirish ma'lumotlariga bog'liq bo'ladi, chunki ko'proq chegaralangan yoki shovqinli ma'lumotlar k ning yuqori qiymatlari bilan yaxshiroq ishlaydi. Umuman olganda, tasniflashda bog'lanishning oldini olish uchun k uchun toq raqamga ega bo'lish tavsiya etiladi va o'zaro tekshirish taktikasi ma'lumotlar to'plami uchun optimal k ni tanlashga yordam beradi.
|
| |
