18. Mashinali o`qitish

Mashinani o’qitish turlari.

Mashinani o’qitish jarayoni chiziqli yoki nochiziqli bo’lishiga qaramasdan quyidagi bosqichlarda amalga oshiriladi:

• 
  Muammoni aniqlash.
  
• 
  Ma’lumotlarni tayyorlash.
  
• 
  Algoritmni ishlab chiqish va baholash (testlash).
  
• 
  Natijaviy ma’lumotlar aniqligini oshirish.
  
• 
  Yakuniy natijani (ishlab chiqilgan model) taqdim qilish.
  

Mashinali o’qitishning asosiy to’rt turi mavjud bo’lib asosan ular quyidagilardan iborat:

• 
  O’qituvchili o’qitish (Supervised learning) – bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. (Regressiya, sinflashtirish).
  
• 
  O’qituvchisiz o’qitish (Unsupervised learning) – bu modelni xususiyatlari aniq bo’lmagan ma’lumotlar bilan o’qitish.(Klasterlash).
  
• 
  Semi-Supervised learning – bu modelni ham aniq ham aniq bo’lmagan xususiyatli ma’lumotlar bilan o’qitishdir.
  
• 
  Reinforcement – bu o’qitishning mukammal usuli bo’lib, bunda model o’zini-o’zi qayta o’qitish va natijalarni yaxshilash imkoniyatiga ega bo’ladi.
  

2. Mashinali o’qitishning o’qituvchili(supervised) o’qitish algoritmlari.
O’qituvchili o’qitish (Supervised learning) – bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. Bunday turdagi o’qitish usullariga Regressiya va Sinflashtirish masalalarini misol keltirish mumkin. Bunda xususiyatlari aniq deganda kiruvchi va chiquvchi parametrlar mavjud bo’lishi nazarda tutiladi.

1-rasm. O’qituvchili o’qitish jarayoni
Modelni o’qitishda foydalaniladigan ma’lumotlar odatda ikkita qismga ajratiladi va ular 80:20 nisbatda olinadi. Ya’ni ma’lumotlarning 80% o’qitiluvchi ma’lumot va qolgan 20% esa modelni testlovchi ma’lumot bo’lib xizmat qiladi. O’qitish jarayonida model kiruvchi va chiquvchi ma’lumotlarning 80% dan foydalanadi va modelni o’qitish faqat ushbu ma’lumot orqali amalga oshiriladi.

2-rasm. O’qituvchili o’qitishda Reressiya va Sinflashtirish.
Regressiya 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 m odel chiziqli regressiya asosida quriladi.
3-rasm. Regressiyaga misol (nochiziqli).
Sinflashtirish - bu obyektlarni ularning umumiy xossalari asosida sinflarga boʻlish.



4-rasm. Sinflash masalasi.
O’qituvchili o’qitish algoritmlari:

• 
  Linear Regression
  
• 
  Nearest Neighbor
  
• 
  Gaussian Naive Bayes
  
• 
  Decision Trees
  
• 
  Support Vector Machine (SVM)
  
• 
  Random Forest
  

Chiziqli regressiyaga misol:
A vtomobil 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
5-rasm. Chiziqli regressiya=>.

6-rasm. Regressiyaga misol (Python muhitida)