Farangiz Abdurasulova

4-
 
qadamda 
biz Encoderlash amalini bajarishimiz kerak. Modelni o’qitish davomida biz raqamli 
ma’lumotlar bilan ishlaganimiz uchun faqat raqamli ma’lumotlarga esa bo’lgan o’zgaruvchilarning 
korrelyatsiya darakjasini aniqlandi.
Quyidagi kod orqali Datasetni encoder qilamiz va qayta korrelyatsion tahlil o’tkazamiz. 
di = {
'M'
:
1
,
'B'
:
0
} 
df.diagnosis = [di[item] 
for 
item 
in 
df.diagnosis ] 
Bundan ko’rinib turibdiku eng ko’proq bog’liq to’lovlarga chekuvchilar ustunidir. 
5-
 
qadam 
normallashtirish bizning ma’lumotlarimiz kerak:
Bu yerda biz bashorat uchun ahamiyatga ega bo’lmagani uchun shu ustunni olib tashlaymiz. 
Sklearn.procissing da standardscaler nomli funksiya orqali amallarni bajarishimiz mumkin bo’ladi. 
6-
 
qadamda 
ma’lumotlarimizni(datasetni) 2 qismga bo’lamiz. Test va train kabi ikki guruhga 
bo’lamiz. Maqsad Datasetning katta qismi bilan ma’lumotni o’qitib qolgan qismi bilan uni 
testlashimiz mumkin bo’ladi. Uning uchun quyidagi kodni yozishimiz kerak bo’ladi:
7-qadamda 
biz modelni yaratamiz. Buning uchun sklearn kutubxonasidan foydalangan holda 
quyidagi kodlarni yozishimiz kerak bo’ladi. 
8-
 
qadamda 
Endi modelni baholash uchun quyidagi Confusion matritsasini yaratamiz 

---

9-
 
qadamda. 
Bashorat natijasi olingandan so’ng, uni Accuracy, Precision Recall, F-1 Score 
yordamida baholaymiz. 
10-
 
qadamda. 
Modelni grafik shaklda ifodalaymiz: 

---

11-
 
qadamda. 
Modelda eng yaxshi 
n 
ni topish uchun quyidagi kodni yozishimiz kerak bo’ladi: 
eng yaxshi n qaysi ekanligini bilish uchun quyidagi kodni yozishimiz kerak: 
Dastur natijasi sifatida 9 qiymati qaytdi n=9 da qanday natijaga ega bo’lganimizni bilish uchun esa 
quyidagi kodni yozishimiz kerak bo’ladi: 

---

Endiggi qadamda Xatolik grafini hosil qilish uchun quyidagi kodni yozishmiz kerak bo’ladi: 
Bu grafikdan ko’rinib turibdiki qiymat n =9 da eng kam xatolikka erishayotgan ekanmiz.