Qarorlar daraxti

Download 161,74 Kb.
Sana	20.05.2024
Hajmi	161,74 Kb.
	#245151

Bog'liq
Qarorlar daraxti-fayllar.org
1-mavzu, Shani Ki (Автосохраненный), So\'rovnoma, Rul-boshqarmas (1), obod slayd, Uzatmalar-qutisi-, Animals, 9-YONG\'INNI O\'CHIRISH CHET EL TAJRIBASI, 1-қисм. ТЖА, 456 TO, Доя йиллик режа 2-бет 113749, d4f396c3-0f92-4b34-b056-e85b6e3df326, Maqsadli Kvota 2li nogironli-2023, Далолатнома Далолатнома, Mavzu Sanash, sanashning turli tizimlari

Bu sahifa navigatsiya:

• Foydalanilgan adabiyotlar

1.Kirish. 2.Qarorlar daraxti algoritmi. 3.Qarorlar daraxti tadbiqlari. 4.Xulosa. 5.Foydalanilgan adabiyotlar. Qarorlar daraxti Qarorlar daraxti (Decision Tree) - bu, statistika va kompyuter fanlarida foydalaniladigan, qarorlar qilishda yordam beruvchi algoritmdir. U o'z navbatida bir nechta qarorlar daraxtlarini yig'ib, ma'lumotlarni analiz qilishda yordam beradi. Qarorlar daraxti, bir nechta so'zli ma'lumotlarni tekshirib, qarorlar qilishda yordam beradi. Qarorlar daraxtining asosiy qismi, qarorlar daraxti yoki qarorlar daraxti daraxti (Decision Tree) deb ataladi. Bu daraxt, ma'lumotlarni kategorical yoki numeric formada saqlab qolgan bir nechta borxlar (features) va qarorlar (predictions) bilan tashkil topadi. Borxlar, ma'lumotlarni tekshirish uchun ishlatiladi va qarorlar, ma'lumotlarni tekshirish natijalari bilan tashkil topadi. Qarorlar daraxti qurishda foydalaniladigan algoritmlar ID3, C4.5, C5.0, CHAID, Random Forest va GBM (Gradient Boosting Machines) kabi. Ular qarorlar daraxtlarini qurishda foydalaniladi va bir nechta qarorlar daraxtlarini yig'ib, ularning natijalarini birlashtirib, qarorlar qilishda yordam beradi. Qarorlar daraxti qurish algoritmlari, ma'lumotlarni kategorical yoki numeric formada saqlab qolgan bir nechta borxlar (features) va qarorlar (predictions) bilan tashkil topadi. Borxlar, ma'lumotlarni tekshirish uchun ishlatiladi va qarorlar, ma'lumotlarni tekshirish natijalari bilan tashkil topadi. Qarorlar daraxti, ma'lumotlarni kategorical yoki numeric formada saqlab qolgan bir nechta borxlar (features) va qarorlar (predictions) bilan tashkil topadi. Qaror daraxti tasniflash regressiya modellarini daraxt strukturasi shaklida yaratadi. U ma'lumotlar to'plamini kichik to'plamlarga ajratadi va shu bilan birga tegishli qarorlar daraxti bosqichma-bosqich ishlab chiqiladi. Yakuniy natija - qaror tugunlari va barg tugunlari bo'lgan daraxt . Qaror tugunida (masalan, Holat) ikki yoki undan ortiq atribut mavjud (masalan, quyoshli, bulutli va yomg'irli). Barg tugunlari (masalan, O’ynash) tasnif yoki qarorni ifodalaydi. Daraxtdagi eng yaxshi bashoratchiga mos keladigan eng yuqori qaror tuguniga ildiz tugunlari deyiladi . Qaror daraxtlari ham kategorik, ham raqamli ma'lumotlarni qayta ishlashga qodir. Quyidagi ma’lumotlar to’plamini ko’rib chiqamiz. Bizga 4 ta atribut- holat, temperatura, namlik va shamol darajalari berilgan. Shu asosda futbol o’ynash mumkinmi yoki mumkin emasmi shuni aniqlashimiz lozim JR Quinlan tomonidan ID3 deb nomlangan qarorlar daraxtlarini qurish uchun asosiy algoritm hisoblanadi. ID3 qarorlar daraxtini yaratish uchun Entropiya va Ma’lumot yutug’idan foydalanadi. Entropiya Qaror daraxti ildiz tugunidan yuqoridan pastga qurilgan va ma'lumotlarni o'xshash qiymatlarga ega (bir hil) misollarni o'z ichiga olgan kichik to'plamlarga bo'lishni o'z ichiga oladi. ID3 algoritmi namunaning bir xilligini hisoblash uchun entropiyadan foydalanadi. Agar namuna butunlay bir hil bo'lsa, entropiya nolga teng, agar namuna teng bo'lingan bo'lsa, u bitta entropiyaga ega(1-rasm). 2-qadam : Keyin ma'lumotlar to'plami turli bo’laklarga bo'linadi. Har bir bo’lak uchun bitta atributli va ikkita atributli entropiya hisoblanadi va ular asosida ma’lumot yutug’i hisoblanadi. 3-qadam : Qaror tugunlari sifatida eng katta ma'lumotga ega bo'lgan atributni tanlang,ushbu holatda 3-jadvalning birinchi bo’laki tanlab olinadi. Ma'lumotlar to'plamini bo’laklarga bo'ling va har bir bo'lakda bir xil jarayonni takrorlang. 4-qadam : Yuqorida ma’lumotlar asosida qarorlar daraxtini hosil qilamiz. Uning ko’rinishi quyidagicha bo’ladi. Qaror daraxtini ildiz tugunidan barg tugunlariga birma-bir xaritalash orqali osongina qoidalar to'plamiga aylantirish mumkin. Xulosa Qarorlar daraxti, yoki "qaror qabul qilish daraxti", ma'lumotlar va qarorlarni tahlil qilish uchun mos ma'lumotlar tuzilmasidir. Bu, ko'plab sohalar, masalan, ma'lumotlar analitikasi, hisobotlar, marketing, va boshqa sohalar uchun qo'llaniladi. Qarorlar daraxti qurishda bir nechta algoritmlar va usullar mavjud. Ma'lumotlar Tahlili: Ma'lumotlar tahlili, ma'lumotlar to'plamini o'rganish va uni bo'lib tahlil qilishni o'z ichiga oladi. Bu statistik metodlar, mashina o'rganishi, va datalarni vizualizatsiya qilishni o'z ichiga oladi. Algoritmlar masofaviy o'rganish (machine learning) usullari, k-means, va qaror daraxtlash algoritmlari, masalan, random forests yoki gradient boosting, ma'lumotlar tahlili uchun qo'llaniladi. Qaror Qabul Qilish Algoritmlari: Bu algoritmlar ma'lumotlar asosida qarorlarni qabul qilishda yordam beradi. Bu algoritmlar, ma'lumotlar analitikasini asoslash, o'rganilgan ma'lumotlar asosida qarorlar olish va keyinchalik yangi ma'lumotlar asosida qarorlar o'zgartirishni o'z ichiga oladi. Bu algoritmalar arasida "decision trees" (qaror daraxtlari), logistic regression (logistik regressiya), neural networks (neyron tarmoqlar), va support vector machines (qo'llab-quvvatlash vektor mashinalari) kabi ko'plab turli usullar mavjud. Qarorlar daraxtini qurishda, ma'lumotlarni to'plash, o'rganish, filtratsiya qilish, va tahlil qilish juda muhimdir. Har bir algoritmning o'zining afzalliklari va chegaralarini o'rganish, ma'lumotlar tahlili uchun mos algoritmni tanlashda juda muhimdir. Bu usullar va algoritmlar, ma'lumotlar tahlili va qaror qabul qilish jarayonida qanday qilib eng yaxshi natijalarni olishga yordam berishi mumkin Foydalanilgan adabiyotlar: 1. S.Komolov, Sh.Raxmatov, “Sun’iy intelekt asoslari” 95-105b. 2. Sh.A.Sadullayeva, D.F.Yusupov, F.Yusupov, “Sun’iy intellekt va neyronto’rli texnologiyalar” 9-17b 3. https://www.saedsayad.com/decision_tree.htm Download 161,74 Kb.

Download 161,74 Kb.