|
Mustaqil ishi Mavzu: Tanlanma tushunchasi (dataset) Bajardi: Kompyuter injineringi fakulteti
|
| bet | 3/11 | | Sana | 13.05.2024 | | Hajmi | 177,96 Kb. | | #229900 |
Bog'liq Karimov NuraliMashinaviy o'qitish - bu sun'iy intellekt metodlar fanini tarmoqlarni o'qitish usullari va ularning arxitekturasining topologiyalari turlariga bo'linishi natijasida shakllangan, ikkinchi tomondan, matematik statistika usullarini o'zida mujassam etgan. Garchi o'quv namunasi kontseptsiyasidan foydalanadigan boshqa usullar mavjud bo`lsada mashinaviy o'qitishning quyidagi usullari neyron tarmoqlardan foydalanishi bilan bog'liq - masalan, diskriminatsion tahlil, Bayes klassifikatorlari, yoki kuzatilgan statistikaning dispersiyasi va kovariyatsiyasi bilan ishlaydigan klassifikatorlar.
Neyron tarmoqlarning asosiy turlarini, masalan, perseptronva ko'p qatlamli perseptron (shuningdek, ularning modifikatsiyalarini), o'qituvchi yordamida yoki o'qituvchi qatnashmagan holda o'qitilishi, yoki o`z ustida ishlash, izlanishlar olib borish orqali o`rganishni tashkil etish va mustahkamlash mumkin.
Ammo ba'zi neyron tarmoqlari va ko'pgina statistik usullarni faqatgina o`rganishning muayyan uslubi bilangina bog`lagan holda o`rganish mumkin. Shuning uchun, agar mashinaviy o'qitishni o'rganish usuliga qarab uning usullarini tasniflash zarur bo'lganda, neyron tarmoqlarni o'ziga xos turga ajratish to'g'ri bo'lmaydi, neyron tarmoqlarini o'qitish algoritmlarini tiplash yanada to'g'ri bo'ladi.
O'qituvchi bilan o`rganish:
Sun'iy neyron tarmog'i:
1.Chuqur o'rganish
2.Xato tuzatish usuli
3.Bokni ko'paytirish usuli
4.Qo'llab-quvvatlovchi vektorlar usuli
O'qituvchisiz o'rganish:
1.Alfa mustahkamlash tizimi
2.Gamma mustahkamlash tizimi
3. Yaqin qo'shnilar usuli
2. Mashinani o'rganish (ML) - bu ma'lumotlardan o'rganish va vaqt o'tishi bilan ularning ishlashini yaxshilash mumkin bo'lgan kompyuter algoritmlarini ishlab chiqishga qaratilgan sun'iy intellektning bir tarmog'i. U ma'lumotlar fanlari sohasida tobora muhim vositaga aylandi va elektron pochtani filtrlashdan tortib, kompyuterni ko'rishgacha bo'lgan keng doiradagi ilovalarda qo'llaniladi. Mashinani o'rganish algoritmlari an'anaviy dasturlash usullari amaliy bo'lmagan yoki samarasiz bo'lgan hollarda qo'llaniladi va ular bashorat qilish, jarayonlarni avtomatlashtirish va katta ma'lumotlar to'plamlarida naqshlarni aniqlash uchun ishlatilishi mumkin. Ushbu maqola mashinani o'rganish asoslari, jumladan ishlatiladigan algoritmlar turlari va ularning qo'llanilishiga kirishni ta'minlaydi. Mashinani o'rganish maqsadi aniq dasturlashni talab qilmasdan ma'lumotlardagi naqshlarni aniqlay oladigan va bashorat qila oladigan algoritmlarni ishlab chiqishdir. Mashinani o'rganish algoritmlari elektron pochtani filtrlashdan tortib, kompyuterni ko'rishgacha bo'lgan keng doiradagi ilovalarda qo'llaniladi. Mashinada o'rganish algoritmlarining turlari. Mashinani o'rganish algoritmlarining bir nechta turlari mavjud, ularning har biri o'zining kuchli va zaif tomonlariga ega. Mashinani o'rganish algoritmlarining eng keng tarqalgan turlaridan ba'zilari nazorat ostida o'rganish, nazoratsiz o'rganish, yarim nazorat ostida o'rganish va mustahkamlovchi o'rganishni o'z ichiga oladi. Mashina o’qitish (ML) bo’yicha algaritimlar.
Chiziqli Regressiya
Logistik Regressiya
Chiziqli Diskriminant Tahlil
Tasniflash va regressiya daraxtlari
Sodda Bayes
K-Eng Yaqin Qo'shnilar
Vektorlarni Kvantlashni O'rganish
Vektorli Mashinalarni Qo'llab-Quvvatlash
Bagging va tasodifiy o'rmon
Boosting va AdaBoost
Nazorat qilinadigan o'rganish algoritmlari bashorat qilish uchun etiketli ma'lumotlardan foydalanadi. Nazorat ostidagi o'rganish algoritmlariga misollar qatoriga chiziqli regressiya, logistik regressiya va chiziqli diskriminant tahlili (LDA) kiradi. Nazorat qilinmagan o'rganish algoritmlari ma'lumotlardagi naqshlarni aniqlash uchun etiketlanmagan ma'lumotlardan foydalanadi. Nazoratsiz o'rganish algoritmlariga misollar klasterlash algoritmlari va asosiy komponentlar tahlilini (PCA) o'z ichiga oladi.
Yarim nazorat ostida o'rganish algoritmlari bashorat qilish uchun etiketli va yorliqsiz ma'lumotlarning kombinatsiyasidan foydalanadi. Yarim nazorat ostida o'rganish algoritmlariga misollar vektorli mashinalar (SVM) va sun'iy neyron tarmoqlari (ANN). O'rganishni kuchaytirish algoritmlari o'z muhitidan o'rganish uchun mukofot va jazolardan foydalanadi. Mustahkamlovchi o'rganish algoritmlariga misollar Q-o'rganish va chuqur Qo'rganishni o'z ichiga oladi. Mashina o'rganish uchun dasturlash tillari. Python foydalanish qulayligi va kutubxonalar va ramkalarning keng doirasi tufayli mashinani o'rganish uchun eng mashhur dasturlash tilidir. Mashinani o'rganish va sun'iy intellekt uchun eng yaxshi Python kutubxonasi. Tensor Flow - TensorFlow yordamida siz qo'l yozuvi uchun chuqur neyron tarmoqlarni va NLP (tabiiy tilni qayta ishlash) uchun takroriy neyron tarmoqlarni qurishingiz mumkin.
Keras –
Theano
Scikit-learn
PyTorch
NumPy
Pandas
Seaborn
Mashinani o'rganish uchun boshqa mashhur dasturlash tillari orasida R va Java mavjud. Mashina o'rganishning ilovalari. Mashinani o'rganish algoritmlari elektron pochtani filtrlashdan tortib, kompyuterni ko'rishgacha bo'lgan keng doiradagi ilovalarda qo'llaniladi. Mashinani o'rganishning eng keng tarqalgan ilovalariga bashoratli tahlil, tabiiy tilni qayta ishlash (NLP), tasvirni aniqlash va avtonom transport vositalari kiradi. Ushbu maqola mashinani o'rganish asoslari, jumladan ishlatiladigan algoritmlar turlari va ularning qo'llanilishiga kirishni taqdim etdi. Mashinani o'rganish algoritmlari elektron pochtani filtrlashdan tortib, kompyuterni ko'rishgacha bo'lgan keng doiradagi ilovalarda qo'llaniladi. Python foydalanish qulayligi va kutubxonalar va ramkalarning keng doirasi tufayli mashinani o'rganish uchun eng mashhur dasturlash tilidir. Mashinani o'rganish ma'lumotlar fanida tobora muhim vosita bo'lib, keng ko'lamli ilovalarda qo'llaniladi.
3.MASHINALI O’QITISH MOHIYATI VA QO’LLANILISH SOHALARI
Kompyuterlar, ya’ni elektron hisoblash mashinalari yaratilgandan keyin katta hajmdagi ma’lumotlar oqimini o‘rganish usullarining algoritmlari yordamida borliqni anglash uchun katta hajmli ma’lumotlarni qayta ishlash tushunchasi mashinali o‘qitish (MO’) tushunchasini paydo qildi. Ya’ni insonlar katta hajmli ma’lumotlarni qayta ishlash usullarini ishlab chiqib, mashinani katta hajmli axborotlar va/yoki ma’lumotlar oqimini real vaqtda tahliliy hamda mantiqiy hulosalash aloritmlari bilan ta’minladi. Shu bilan katta hajmli ma’lumotlar oqimini MO’orqali tezkor qarorlarni qabul qilish imkoniyati tug‘ildi va rivojlantirildi.
Agar katta hajmli ma’lumotlarni avtomatik qayta ishlash uchun elektron hisoblash mashinasidan foydalanadigan bo‘lsak, u holda mavjud ma’lumotlar oqimini ushbu mashinaga o‘qitishimiz zarur, elektron hisoblash mashinasi esa ma’lumotlarni qayta ishlash usullarining va mantiqiy hulosalash mexanizmi algoritmlari bilan ta’minlangan dasturiy ta’minot bilan ishlaydi.
|
| |
