|
Nazorat ostidagi ta'limga misol: Iris tasnifi
|
| bet | 8/9 | | Sana | 11.12.2023 | | Hajmi | 2,6 Mb. | | #115425 |
Bog'liq Jahongir Hasanbayev 1-mustaqil ish Ma’lumotlarning intellektual taxliliNazorat ostidagi ta'limga misol: Iris tasnifi
Keling, biz ilgari muhokama qilgan Iris ma'lumotlar to'plamidan foydalanib, ushbu jarayonning yana bir misolini ko'rib chiqaylik. Bizning savolimiz quyidagicha bo'ladi: Iris ma'lumotlarining bir qismiga o'rgatilgan modelni hisobga olsak, qolgan teglarni qanchalik yaxshi taxmin qilishimiz mumkin?
Ushbu vazifani bajarish uchun biz Gauss sodda Bayes deb nomlanuvchi oddiy generativ modeldan foydalanamiz. eksa bo'ylab tekislangan Gauss taqsimoti (batafsil ma'lumot uchun Chuqur: Naive Bayes tasnifi ga qarang). U juda tez va giperparametrlarga ega emasligi sababli, Gausscha sodda Bayes ko'pincha murakkabroq modellar orqali yaxshilanishlarni topish mumkinmi yoki yo'qligini o'rganishdan oldin asosiy tasnif sifatida foydalanish uchun yaxshi modeldir.
Biz modelni ilgari ko‘rmagan ma’lumotlar asosida baholamoqchimiz, shuning uchun biz ma’lumotlarni o‘quv majmuasiga va sinov to‘plami. Buni qo'lda qilish mumkin, ammo train_test_split yordamchi funksiyasidan foydalanish qulayroq:
Nazoratsiz o'rganishga misol: Irisning o'lchovliligi
Nazoratsiz o'rganish muammosiga misol sifatida, keling, Iris ma'lumotlarining o'lchamlarini kamaytirishni ko'rib chiqaylik, shunda ularni vizualizatsiya qilish osonroq bo'ladi. Eslatib o'tamiz, Iris ma'lumotlari to'rt o'lchovli: har bir namuna uchun to'rtta xususiyat qayd etilgan.
O'lchovni kamaytirish vazifasi ma'lumotlarning muhim xususiyatlarini saqlaydigan mos keladigan pastki o'lchamli tasvir mavjudligini aniqlashga qaratilgan. Ko'pincha o'lchamlarni qisqartirish ma'lumotlarni vizualizatsiya qilish uchun yordam sifatida ishlatiladi: axir, to'rt yoki undan ko'p o'lchamdagidan ko'ra ikki o'lchovda ma'lumotlarni chizish ancha osondir!
Bu yerda biz asosiy komponentlar tahlilidan foydalanamiz (PCA; qarang Chuqur: Asosiy komponentlar tahlili< /span>), bu chiziqli o'lchamlarni tez kamaytirish texnikasi. Biz modeldan ikkita komponentni, ya'ni ma'lumotlarning ikki o'lchovli tasvirini qaytarishni so'raymiz.
Yuqorida aytib o'tilgan qadamlar ketma-ketligiga rioya qilgan holda, biz:
|
| |
