|
Tahlil qilingan ma’lumotlar asosida model yaratish va ishlab chiqilgan modelni baholash
|
| bet | 1/2 | | Sana | 23.03.2023 | | Hajmi | 2.54 Mb. | | #46305 |
Bog'liq 7-8 mustaqilish 8 - sinf Jismoniy tarbiya fanidan 1 soatlik dars ishlanma [uzsmart.uz] (2), 0000, 3-mavzu. Xizmatchi dasturlar, ularning turlari va vazifalari. Ar, Integral haqida tushuncha Optronlar haqida umumiy tushuncha Optr
Tahlil qilingan ma’lumotlar asosida model yaratish va ishlab chiqilgan modelni baholash.
Reja:
Sun’iy intellekt tizimlarini ishlab chiqishda Python dasturlash tili kutubxonalaridan foydalanish. Pandas kutubxonasi .
DataFrame ma’lumotlar tuzilmasi haqida.
Mashinaviy o'qitishda regressiya tahlili.
Pandas - bu ochiq manbali kutubxona bo'lib, u asosan aloqador yoki etiketli ma'lumotlar bilan oson va intuitiv tarzda ishlash uchun yaratilgan. U turli xil ma'lumotlar tuzilmalari va raqamli ma'lumotlar va vaqt seriyalarini manipulyatsiya qilish uchun operatsiyalarni taqdim etadi. Bu kutubxona NumPy kutubxonasi ustiga qurilgan. Pandas tez va u foydalanuvchilar uchun yuqori unumdorlikka ega.
Pandas kutubxonasi afzalliklari:
Ma'lumotlarni manipulyatsiya qilish va tahlil qilish uchun tez va samarali.
Turli fayl ob'ektlaridan ma'lumotlarni yuklash mumkin. Suzuvchi nuqtada etishmayotgan ma'lumotlarni (NaN sifatida ko'rsatilgan) va suzuvchi nuqta ma'lumotlarini oson boshqarish
Hajmi o'zgaruvchanligi: ustunlarni DataFrame va undan yuqori o'lchamli ob'ektlardan kiritish va o'chirish mumkin Ma'lumotlar to'plamini birlashtirish va qo'shish.
Ma'lumotlar to'plamlarini moslashuvchan qayta shakllantirish va aylantirish Vaqt seriyali funksiyalarini ta'minlaydi.
Ma'lumotlar to'plamlarida bo'lish va birlashtirish operatsiyalarini bajarish uchun funktsional imkoniyatlar mavjudligi
Pandasda ishlashning birinchi qadami uning Python papkasida o'rnatilgan yoki o'rnatilmaganligiga ishonch hosil qilishdir. Agar yo'q bo'lsa, biz uni tizimimizga pip buyrug'i yordamida o'rnatishimiz kerak: pip install pandas. Pandas tizimga o'rnatilgandan so'ng, kutubxonani import qilishingiz kerak: Import pandas as pd Pandas odatda ma'lumotlarni manipulyatsiya qilish uchun ikkita ma'lumotlar tuzilmasini taqdim etadilar, ular:
Seriya
DataFrame
Series ma’lumotlar tuzilmasi Series: Pandas Series - bu har qanday turdagi ma'lumotlarni (int, string, float, python ob'ektlari va boshqalar) saqlashga qodir bo'lgan bir o'lchovli etiketli massiv. Pandas kutubxonasidagi Series ma’lumotlar tuzilmasini Pythondagi oddiy kutubxonalardan farqlaridan biri ro’yhatdagi obyektlarga o’zimiz index berishimiz mumkin.
DataFrame ma’lumotlar tuzilmasi Pandas DataFrame 2 oʻlchovli maʼlumotlar strukturasi boʻlib, 2 oʻlchovli massiv yoki satr va ustunli jadval kabi o’rinishda bo’ladi. Pandas DataFrame uchta asosiy komponentdan iborat: ma'lumotlar , qatorlar va ustunlar .
Pandas DataFrame mavjud xotiradan ma'lumotlar to'plamini yuklash orqali yaratiladi, fayllar SQL ma'lumotlar bazasi, CSV fayli va Excel fayli bo'lishi mumkin. Pandas DataFrame roʻyxatlar, lugʻatlar va hokazolardan yaratilishi mumkin. DataFrame yaratishning bir nechta usuli bor va bulardan eng osoni qiymatlari bir hil uzunlikdagi ro'yxatdan iborat lug'at orqali yaratish. Dastlab “data” nomli lug’at yaratib olamiz
pd.DataFrame() buyrug’i orqali lug’atni DataFramega o’tkazamiz
Regression tahlil - bir yoki bir nechta mustaqil o'zgaruvchilarga ega bo'lgan bog'liq (maqsadli) va mustaqil (bashoratchi) o'zgaruvchilar o'rtasidagi munosabatlarni modellashtirishning statistik usuli. Aniqroq aytganda, regressiya tahlili boshqa mustaqil o'zgaruvchilar o'zgarmas bo'lganda, bog'liq o'zgaruvchining qiymati mustaqil o'zgaruvchiga mos ravishda qanday o'zgarishini tushunishga yordam beradi. Harorat, yosh, ish haqi, narx va boshqalar kabi doimiy/real qiymatlarni bashorat qiladi
Regressiya turlari
Ma'lumotlar fanida va mashinaviy o’qitishda qo'llaniladigan turli xil regressiya turlari mavjud. Har bir turning turli senariylarda o'ziga xos ahamiyati bor, lekin asosiyda barcha regressiya usullari mustaqil o'zgaruvchining bog’liq o'zgaruvchilarga ta'sirini tahlil qiladi.
|
| |
