Kommunikatsiyalarini rivojlantirish vazirligi muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti qarshi filiali
Yüklə 0,95 Mb. Pdf görüntüsü
|
|
Ko'p o'zgaruvchili chiziqli regressiya Ko'p o'zgaruvchan regressiya – bu bitta qaram o'zgaruvchiga va bir nechta mustaqil o'zgaruvchilarga ega bo'lgan ko'p regressiyaning kengaytmasi. Mustaqil o'zgaruvchilar soniga asoslanib, chiqishni bashorat qilishga harakat qilamiz. Y = ax+bz+d yoki Y =ax+bz+… Ko'p o'zgaruvchan regressiyadan foydalanish mumkin bo'lgan ko'plab sohalar mavjud. Ko'p o'zgaruvchan regressiyani yaxshiroq tushunish uchun ba'zi misollarni ko'rib chiqamiz… * Iqtisodchilar iste'molchilar sarf qilgan umumiy miqdor, import xarajatlari, eksportdan olingan umumiy daromad, jami jamg'arma va boshqalar kabi parametrlarga asoslanib, davlat yoki mamlakat YaIM o'sishini taxmin qilish uchun ko'p o'zgaruvchan regressiyadan foydalanishi mumkin. * Iqtisodchilar iste'molchilar sarf qilgan umumiy miqdor, import xarajatlari, eksportdan olingan umumiy daromad, jami jamg'arma va boshqalar kabi parametrlarga asoslanib, davlat yoki mamlakat YaIM o'sishini taxmin qilish uchun ko'p o'zgaruvchan regressiyadan foydalanishi mumkin. * Kompaniya kvartiraning elektr energiyasi uchun to'lovini oldindan aytib berishni xohlaydi, bu erda tafsilotlar - kvartiralarning soni, ishlatilayotgan maishiy texnika, uydagi odamlar soni va boshqalar. Ushbu o'zgaruvchilar yordamida elektr energiyasi uchun hisob-kitob qilish mumkin bashorat qilingan. Yuqoridagi misolda ko'p o'zgaruvchan regressiya qo'llaniladi, bu erda bizda juda ko'p mustaqil o'zgaruvchilar va bitta bog'liq o'zgaruvchiga ega Xarajat funksiyasi nima? Xarajat funktsiyasi bu model kuzatilgan ma'lumotlardan farq qilganda namunalarga xarajat qilish imkonini beradigan funktsiya. Ushbu tenglama bashorat qilingan qiymat va haqiqiy qiymat o'rtasidagi farq kvadratining yig'indisi, ma'lumotlar to'plamining uzunligining ikki baravariga bo'linadi. MSE = Ko'p o'zgaruvchan regressiya tahlilining bosqichlari Ko'p o'zgaruvchan regressiya tahlili uchun bosqichlarni tanlash - bu xususiyatlarni tanlash va ularni normallashtirish, yo'qotish funktsiyasi va uni minimallashtirishdan iborat. * Xususiyatni tanlash Xususiyatlarni tanlash ko'p o'zgaruvchan regressiyaning muhim bosqichidir. Xususiyat tanlovi, shuningdek, o'zgaruvchan tanlov sifatida ham tanilgan. Yaxshi model yaratish uchun muhim o'zgaruvchilarni tanlash biz uchun muhim ahamiyat kasb etadi. Normalizatsiya xususiyatlari Biz funktsiya ma’lumotlarini ko’paytirishimiz kerak, chunki u ma'lumotlarning umumiy tarqalishini va nisbatlarini saqlaydi. Bu samarali tahlilga olib keladi. Har bir xususiyatning qiymati ham o'zgarishi mumkin. Yo'qotish funktsiyasini minimallashtirish Ma'lumotlar to'plamida yo'qotishlarni minimallashtirish bu Gradient tushishi algoritmi asosida olib boriladi. Misol uchun quyidagicha berilgan bo’lsa, Y =2+3x biz uni xosila olish orqali Y =4x+3 ko’rinishida yechamiz. Ko'p o'zgaruvchan regressiyaning afzalliklari Ko'p o'zgaruvchan regressiyaning eng muhim ustunligi bu ma'lumotlar to'plamida mavjud bo'lgan qo'shimcha va mustaqil o'zgaruvchilar o'rtasidagi o'zaro bog'liqlikni tushunishga yordam beradi. Ko'p o'zgaruvchan chiziqli regressiya - bu keng qo'llaniladigan mashinalarni o'rganish algoritmi. Ko'p o'zgaruvchan regressiyaning kamchiliklari Ko'p o'zgaruvchan texnikalar biroz murakkab va yuqori darajadagi matematik hisoblashni talab qiladi. Ko'p o'zgaruvchan regressiya modelining natijasini ba'zan izohlash oson emas, chunki u bir xil bo'lmagan yo'qotish va xatolik ehtimolligiga ega. Ushbu modelni kichik ma'lumotlar to'plamlariga nisbatan qo'llash mumkin emas. Natijalar kattaroq ma'lumotlar to'plamlari uchun yaxshiroq natija beradi. Logistik regressiya tushunchasi va ularning mashinali o'qitishda qo'llanilishi Logistik regression (logistik regression) - ob'ektlarning sinflarga tegishli bo'lgan havoriy (апостериорные) ehtimolligini baholashga imkon beruvchi chiziqli tasnifni (классификатор) yaratish usuli. n-sonli belgilar bilan tasvirlansin Unda ob'ektlarning xarakterli tavsiflari maydoni . Y — sinflarning son-sanoqsiz sonlari (nomlari, teglari) bo'lsin. "Ob'ekt, javob" juftligini o'qitish namunasi berilsin Logistik regressiyasi maqsadli o'zgaruvchining ehtimolligini taxmin qilish uchun ishlatiladigan nazorat ostida o'quv tasnifi algoritmidir. Maqsad yoki qaram o'zgaruvchining tabiyati dixotomikdir, ya'ni faqat ikkita mumkin bo'lgan sinf bo'ladi. Qisqacha aytganda, qaram o'zgarmaydigan ikkilik xususiyatga ega va (muvaffaqiyat / ha degan ma'noni anglatadi) yoki 0 (rad etish / yo'q degan ma'noni anglatadi) sifatida kodlangan ma'lumotlarga ega. Matematik tarzda, logistik regressiyasi modeli p (Y = 1) ni x funktsiyasi sifatida bashorat qiladi, bu spamni aniqlash, diabetni prognoz qilish, saratonni aniqlash va h. K. kabi turli xil tasniflash vazifalari uchun ishlatilishi mumkin bo'lgan eng oddiy ML algoritmlaridan biridir. Logistika regressiyasi – bu o'zgaruvchilar o'rtasidagi bog'liqlikni aniqlashning bir usuli bo'lib, ulardan biri qat'iy qaram va boshqalar mustaqildir. Buning uchun logistika funktsiyasi (qayta ishlaydigan logistika taqsimoti) qo'llaniladi. Logistika regressiyasining amaliy ahamiyati shundaki, u bir yoki bir nechta mustaqil o'zgaruvchini o'z ichiga olgan voqealarni bashorat qilishning kuchli statist ik usuli hisoblanadi. Bu quyidagi hollarda talab qilinadi: Logistik regressiyasi turlari . Odatda, logistika regressiyasi ikkilik maqsadli parametrlarga ega bo'lgan ikkilik logistika regressiyasini anglatadi, ammo maqsadli o'zgaruvchilarning yana ikkita toifasi tomonidan prognoz qilinishi mumkin. Ushbu toifadagi toifalarga asoslanib, logistik regressiya quyidagi turlarga bo'linishi mumkin Ikkilik yoki binomial Ushbu turdagi tasniflashda qaram o'zgaruvchining faqat ikkita turi mavjud: 1 va 0. Misol uchun, bu o'zgaruvchilar muvaffaqiyat yoki muvaffaqiyatsizlikni, ha yoki yo'q, g'alaba yoki yo'qotishni va boshqalarni ifodalaydi. Polinomial Ushbu tasniflash shaklida qaram o'zgarmaydigan 3 yoki undan ko'p sonli tartibsiz t urlarga yoki miqdoriy ahamiyatga ega bo'lmagan turlarga ega bo'lishi mumkin. Misol uchun, bu o'zgaruvchilar "a turi" yoki "b turi" yoki "C turi"ni ifodalaydi. Tartib Ushbu tasniflash shaklida qaram o'zgarmaydigan 3 yoki undan ko'p buyurtma turlari yoki miqdoriy ahamiyatga ega bo'lgan turlarga ega bo'lishi mumkin. Misol uchun, bu o'zgaruvchilar "yomon" yoki "yaxshi", "juda yaxshi", "yaxshi" va har bir toifadagi 0,1,2,3 kabi ballar bo'lishi mumkin. Ikki tomonlama logistik regressiyasi modeli. Logistika regressiyasining eng oddiy shakli ikkilik yoki binomial logistika regressiyasi bo'lib, unda maqsadli yoki qaram o'zgaruvchining faqat 2 turi bo'li- shi mumkin: 1 yoki 0. Logistik regressiyasining yana bir foydali shakli-maqsad yoki qaram o'zgaruvchining 3 yoki undan ko'p tartibsiz turlarga, ya'ni miqdoriy ahamiyatga ega bo'lmagan turlarga ega bo'lishi mumkin bo'lgan polinomial logistik regressiyasi. Logistik regressiya bu o'zgaruvchilardan o'zaro bog'liqlikni aniqlash usulidir, ulardan biri qat'iyan bog'liq, boshqalari esa mustaqil. Buning uchun logistik funksiyadan (akkumulyativ logistik taqsimot) foydalaniladi. Logistik regressiyaning amaliy qiymati shundaki, u bir yoki bir nechta mustaqil o'zgaruvchini o'z ichiga olgan voqealarni bashorat qilishning kuchli statistik usuli hisoblanadi. Yüklə 0,95 Mb. Dostları ilə paylaş:
|