Mavzu: Mashinali o‘qitishda o‘qituvchisiz o‘qitish algoritmlarini o’qitish va ularni dasturlash Ishdan maqsad

 
Klasterlash va O'qituvchisiz o'qitishning boshqa turlari 
O'qituvchisiz o’qitish ko'pincha klasterlarga yo'naltirilgan. 
Klasterlash - bu bir-biriga o'xshash va boshqa klasterlardagi ob'ektlarga 
o'xshash bo'lmagan ob'ektlarni yoki ma'lumotlar nuqtalarini guruhlash. 
Mashinasozlik bo'yicha muhandislar va ma'lumotlar bo'yicha olimlar 
klasterlash 
uchun 
turli 
algoritmlardan 
foydalanishlari 
mumkin, 
bunda 
algoritmlarning 
o'zi 
qanday 
ishlashiga 
qarab 
turli 
toifalarga 
bo'linadi. Kategoriyalar quyidagilarni o'z ichiga oladi: 

eksklyuziv klasterlash 

bir-birini takrorlovchi klasterlash 

ierarxik klasterlash 

ehtimollik klasteri 
Ko'proq 
qo'llaniladigan 
algoritmlarning 
ba'zilari 
orasida k-vositalarni 
klasterlash algoritmi va loyqa k-vositalari algoritmi, shuningdek, ierarxik 
klasterlash va zichlikka asoslangan klasterlash algoritmlari mavjud. 
Klasterlashda Latent Dirichlet Allocation (LDA) modeli va Gauss aralashmasi 
modellari ham keng qo'llaniladi. 
Ma'lumotlarning 
kosmosda 
qanday 
taqsimlanishini 
aniqlash 
uchun 
klasterlashdan tashqari, O'qituvchisiz o'qitish ham qo'llanilishi mumkin (zichlikni 
baholash). 
Kamchiliklari 
O'qituvchisiz mashina orqali o’qitish ma'lumotlarda ilgari noma'lum bo'lgan 
namunalarni aniqlashi mumkin. O'qituvchili o'qitishgi o’qitishga qaraganda 
foydalanish osonroq, tezroq va arzonroq bo'lishi mumkin, chunki O'qituvchisiz 
o'qitish talab qilinadigan ma'lumotni etiketkalash bilan bog'liq qo'lda ishlashni 
talab qilmaydi. Va O'qituvchisiz o'qitish namunalarni aniqlash uchun real vaqtda 
ma'lumotlar bilan ishlashi mumkin. 
Garchi 
tashkilotlar 
O'qituvchisiz 
o'qitishning 
ushbu 
xususiyatlarini 
qadrlashsa-da, ba'zi kamchiliklari mavjud, shu jumladan: 

O'qituvchisiz ta'lim natijalarining aniqligi to'g'risida noaniqlik; 

O'qituvchisiz o'quv natijalarining to'g'riligini tekshirishda qiyinchilik, chunki 
natijalarni tekshirish uchun belgili ma'lumotlar to'plamlari mavjud emas; 

---


muhandislar va ma'lumot olimlarining o'qituvchisiz o'qitish bilan natijalarni 
izohlash va etiketkalashga ko'proq vaqt sarflashlari zarurligi, ular nazorati ostida 
o’qitishdan ko'ra; va 

o'qituvchisiz tizim o'z natijalariga qanday yoki nima uchun erishishi 
to'g'risida to'liq tushunchaning etishmasligi. 
Klasterlash bilan bir qatorda qo'shimcha kamchilik ham mavjud, chunki 
klaster tahlili kirish ob'ektlaridagi o'xshashliklarni yuqori baholashi va shu bilan 
ba'zi bir foydalanish holatlari uchun muhim bo'lishi mumkin bo'lgan ayrim 
ma'lumotlar nuqtalarini yashirishi mumkin, masalan, mijozlar segmentatsiyasi, bu 
erda maqsad individual mijozlarni tushunish va ularning noyob sotib olish odatlari.