2-Amaliyot ishi. Mavzu: Mashinali o’qitish turlari va jarayonining umumiy qadamlari

2-Amaliyot ishi.
Mavzu: Mashinali o’qitish turlari va jarayonining umumiy qadamlari.
Ishdan maqsad: KNIME dasturida klassifikatsiya va regressiya masalalarini mavjud algoritmlar va ma’lumotlar bazalari yordamida yechishni o’rganish.
Nazariy qism
Ma'lumotlar tahliliga asoslangan mashinani o'rganish texnologiyasi 1950 yilda, shashka o'ynash uchun birinchi dasturlar ishlab chiqila boshlangan. O'tgan o'n yilliklar davomida umumiy tamoyil o'zgarmadi. Ammo kompyuterlarning hisoblash kuchining portlovchi o'sishi tufayli ular tomonidan yaratilgan naqshlar va bashoratlar ancha murakkablashdi va mashinani o'rganish yordamida hal qilinishi mumkin bo'lgan muammolar va vazifalar doirasi kengaydi.Mashinani o'rganish jarayonini boshlash uchun avval siz algoritm so'rovlarni qayta ishlashni o'rganadigan Ma'lumotlar to'plamini (boshlang'ich ma'lumotlarning ma'lum miqdori) kompyuterga yuklab olishingiz kerak. 
Amaliy qism:
Biror bir ma’lumotlar to’plamini tahlil qilish uchun dastur yaratish ko’p bosqichli ko’p vaqt talab qiladigan jarayon bo’lganligi sababli maxsus ma’lumotlar intellektual tahlili uchun dasturiy vositalar ishlab chiqilgan.
Bu dasturlarni biz 2 ta turga ajratishimiz mumkin

1. 
   Pullik dasturlar
   
2. 
   Tekin va ochiq kosli dasturlar
   

Tekin va ochiq kodli MITDV ichida eng ko’p ishlatiladiganlari quyidagilar.

1. 
   Rapid Minder.
   
2. 
   R
   
3. 
   KNIME
   
4. 
   WEKA
   
5. 
   Tanagra
   
6. 
   Orange.
   

KNIME bu dasturiy vositagermaniyaning konstants universiteti tomonidan ishlab chiiqilgan bo’lib eclips test redaktori ustiga qurilgan.
MIT da ma’lumotlar asosan jadvalli ko’rinishda beriladi. Jadval ustunlari parametrlar satrlar esa obyektlar deyiladi.
Endi KNIME dasturida biror bir masala ko’rib chiqsak masalan dasturni o’zini ichidagi Iris masalasini olsak buning uchun KNIME dasturini ishga tushiramiz
Ishni bajarish tartibi.
KNIME dasturida yangi oyna ochamiz va quyidagi oyna hosil bo’ladi

Node Repository menyusidan IO ga va undan keyin File Reader ni olamiz

Keyin Data Viewsdan Interaсtive Table ni olamiz va File Readerga ulaymiz

Undan keyin Decision Tree Learner ni olib oynamizga qo’yamiz va Decision Tree Predictor ni olamiz va natijani ko’rishimiz uchun Interactive Table ni olamiz

Endi oxirgi natija bilan avvalgi natijani solishtiramiz

Solishtirish davomida shuni ko’rishimiz kerakki dasturimiz 5 ta xatolikka yo’l qo’ygan bu bo’lishi mumkin bo’lgan holat 75 tadan 5 ta xato bo’ldi endi uni foizlarda hisoblab ko’ramiz bunda 5 ta hatoning foizi 6.6 % bo’ladi. Demak natijamiz yaxshi agar xatolik 15% dan oshib ketsa natija bizni qoniqtirmaydi.
75-100%
5 - x%
x= =6.6%