1-variant
Savollar:
1. Mashinali o‘qitishda chiziqli regressiya masalasi
2. O‘qituvchisiz (Unsupervised) o‘qitish algoritmlari
3. Sun’iy neyron tarmoqlari
Javoblar:
R egressiya bu – ma’lumotlarni intellektual tahlil qilish usullaridan biri bo’lib, obyekt yoki jarayonga tegishli o'zgaruvchilar o'rtasidagi o'zaro bog'liqlikni baholash uchun statistik jarayonlar to'plami hisoblanadi. Regression tahlil chiziqli yoki nochiziqli, o’z navbatida logistik regressiya usullari asosida amalga oshiriladi. Regression tahlil asosan bashorat qilish va prognoz qilish uchun keng qo'llaniladi va hozirda ushbu usulning ishlatilishi mashinali o’qitish sohasi bilan mos keladi. Regressiya asosida yaratiladigan model ma'lumotlarni berilgan nuqtalardan o'tgan eng yaxshi giper tekislikka (nuqtalar o’rtasidan o’tishiga) moslashtirishga harakat qiladi. Regression tahlilda turli xil modellardan foydalanish mumkin, eng sodda model chiziqli regressiya asosida quriladi.
1-rasm. Regressiyaga misol (nochiziqli).
C hiziqli regressiyaga misol:
Avtomobil narxini hisoblash modelini yaratish x: bu avtomobilning kilometraj ko’rsatkichi y: avtomobil narxi y = g(x|θ) bu yerda g() – model θ0 va θ1 – model parametrlar
2-rasm. Chiziqli regressiya=>.
3-rasm. Regressiyaga misol (Python muhitida)
Mashinali o’qitishning o’qituvchisiz(unsupervised) o’qitish algoritmlari.
O’qituvchisiz o’qitish (unsupervised learning) – bu mashinani o’qitish usulidan biri bo’lib, bunda modelni oldindan aniq bo’lgan ma’lumotlar bilan o’qitish amalga oshirilmaydi, aksincha obyekt parametrlarini (ma'lumotlarni) topish uchun modelga o'z ustida ishlashga imkon yaratib beriladi. Supervised learning usuliga qaraganda murakkab usul hisoblanadi va bashoratlash jarayoni avtomatik lekin noaniqroq bo’lishi mumkin. Unsupervised learning usulida asosan “klasterlash” masalasi yechiladi.
O’qituvchisiz o’qitishning maqsadi ma’lumotlarhaqida ko’proq ma’lumot olish uchun ma’lumotlar tarkibidagi asosiy tuzilmani yoki taqsimotni modellashtirishdir. Bular o’qituvchisiz o’qitish deb nomlanadi, chunki yuqoridagi o’qituvchili o’qitishdan farqli ravishda to’g’ri ma’lumotlar yo’q va nazoratga oluvchi yo’q.
O’qituvchisiz o’qitishda muommolarni klasterlash va assotsiatsiya masalalariga bo’lib o’rganiladi.
Klasterlash ma’lumotlar tarkibidagi guruhlarni topish va ularni saralashdan iborat
Assotsiatsiya – bu ma’lumotlarning kata qismlarni tavfsiflovchi belgilarni toppish, Misol uchun X ni soyib olganlar Y ni ham soyib olishadi.
O’qituvchisiz o’qitish algoritmlari quyidagilardan iborat:
k-metodili algoritm klasterlash muommolari uchun;
Aprior algoritmi asosiatsiya qoidalari bo’yicha masalalarni yechish uchun.
3. Sun'iy neyron tarmoqlari (ANNlar), odatda oddiy deb nomlanadi asab tarmoqlari (NNlar), hisoblash tizimlari tomonidan noaniq ravishda ilhomlangan biologik neyron tarmoqlari hayvonlarni tashkil qiladi miyalar.[1]
ANN bog'langan birliklar yoki tugunlar to'plamiga asoslangan sun'iy neyronlar, bu erkin tarzda modellashtirilgan neyronlar biologik miyada. Kabi har bir ulanish sinapslar biologik miyada signalni boshqa neyronlarga etkazishi mumkin. Signalni qabul qiladigan sun'iy neyron keyinchalik uni qayta ishlaydi va unga bog'langan neyronlarga signal berishi mumkin. Ulanishdagi "signal" a haqiqiy raqam, va har bir neyronning chiqishi uning kirishlari yig'indisining ba'zi bir chiziqli bo'lmagan funktsiyalari bilan hisoblanadi. Ulanishlar deyiladi qirralar. Neyronlar va qirralar odatda a ga ega vazn bu o'rganishni davom ettirishga moslashtiradigan narsa. Og'irligi ulanish paytida signal kuchini oshiradi yoki kamaytiradi. Neyronlarning chegarasi bo'lishi mumkin, shunda signal faqat yig'ilgan signal ushbu chegarani kesib o'tgan taqdirdagina yuboriladi. Odatda neyronlar qatlamlarga birlashtiriladi. Turli qatlamlar o'zlarining kirishlarida turli xil o'zgarishlarni amalga oshirishi mumkin. Signallar birinchi qatlamdan (kirish qatlami), oxirgi qatlamga (chiqish qatlami), ehtimol qatlamlarni bir necha marta bosib o'tgandan keyin o'tadi
|
