Muxammad al-xorazmiy nomidagi

Mashinali o'qitish - bu sun'iy intellekt metodlar sinfidir, uning xarakterli xususiyati muammoni to'g'ridan-to'g'ri hal qilish emas, balki shunga o'xshash ko'plab muammolarga echimlarni qo'llash jarayonida ta`lim olishdir. Bunday usullarni qurish uchun matematik statistika, sonli usullar, optimallash usullari, ehtimollik nazariyasi, graflar nazariyasi, ma'lumotlar bilan raqamli shaklda ishlashning turli xil usullari qo'llaniladi.
Mashinasozlik bo'limi, bir tomondan, neyron tarmoqlari fanini tarmoqlarni o'qitish usullari va ularning arxitekturasining topologiyalari turlariga bo'linishi natijasida shakllangan, ikkinchi tomondan, matematik statistika usullarini o'zida mujassam etgan. Garchi o'quv namunasi kontseptsiyasidan foydalanadigan boshqa usullar mavjud bo`lsada mashinaviy o'qitishning quyidagi usullari neyron tarmoqlardan foydalanishi bilan bog'liq - masalan, diskriminatsion tahlil, Bayes klassifikatorlari, yoki kuzatilgan statistikaning dispersiyasi va kovariyatsiyasi bilan ishlaydigan klassifikatorlar.
Neyron tarmoqlarning asosiy turlarini, masalan, perseptron va ko'p qatlamli perseptron (shuningdek, ularning modifikatsiyalarini), o'qituvchi yordamida yoki o'qituvchi qatnashmagan holda o'qitilishi, yoki o`z ustida ishlash, izlanishlar olib borish orqali o`rganishni tashkil etish va mustahkamlash mumkin.

Mashinali o`qitish turlari
Mashinali o’qitish(MO’)ning turlari MO’ning uchta turini ko'rib chiqamiz: o’qituvchili o’qitish (boshqariladigan), o’qituvchisiz o’qitish (nazoratsiz yoki o'z- o'zidan),chuqur o’qitish. Biz ular orasidagi tub farqlarni bilib olamiz va kontseptual misollarga asoslanib, ular amaliy qo'llanilislhini aniqlaydigan intuitiv tushunchalarni rivojlantiramiz. Ammo ba'zi neyron tarmoqlari va ko'pgina statistik usullarni faqatgina o`rganishning muayyan uslubi bilangina bog`lagan holda o`rganish mumkin. Shuning uchun, agar mashinaviy o'qitishni o'rganish usuliga qarab uning usullarini tasniflash zarur bo'lganda, neyron tarmoqlarni o'ziga xos turga ajratish to'g'ri bo'lmaydi, neyron tarmoqlarini o'qitish algoritmlarini tiplash yanada to'g'ri bo’ladi.

O’qituvchili o’qitish O’qituvchili oq’itish - bu modelni xususiyatlari aniq bolgan malumotlar bilan o’qitish. O’qituvchili MO’Tlarda obyektlar to’plami (OT) va ularning belgilari hamda bu belgilarning qanday sinfga qarashli ekanligi, ya’ni sinflarning nomi berilgan bo ʻ ladi. 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.

Modelni o’qitishda foydalaniladigan malumotlar odatda ikkita qismga ajratiladi va ular 80:20 nisbatda olinadi. Yani malumotlarning 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.O’qituvchili o’qitish masalalari. O’qituvchili oq’itish algoritmlariga misollar: Chiziqli regressiya (Linear Regression);eng yaqin qo'shni (Nearest Neighbor);Gauss soddaligi Bayesiyalik (Gaussian Naive Bayes); Qaror daraxtlari (Decision Trees); Vektorli mashinani qo'llab-quvvatlash (Support Vector Machine (SVM)); Tasodifiy o'rmon (Random Forest).