7-Ma’ruza. Mashinali o’qitish algoritmlari Reja

 
Ma’lumotlarga dastlabki ishlov berish 
Ma’lumotlar turini belgilash (Format):
O’qituvchi to’plamdagi ma’lumotlar 
turi va toifasini moslashtirish (Misol uchun, o’qitiluvchi to’plam sifatida 100 t rasm 
olingan bo’lsin, rasmlar har xil o’lchamda yoki har xil fayl formatida bo’lishi mumkin). 
Ma’lumotlarni tozalash (Data Cleaning):
Ushbu bosqichda ma’lumotlar 
orasidan ortiqcha yoki ahamiyati past bo’lgan (masalan, sifati juda past bo’lgan 
tasvirlar, o’lchami juda kichik bo’lgan rasmlar), model turg’unligiga ta’sir qiluvchi 
ma’lumotlar olib tashlanadi. 
Xususiyatlarni ajratib olish (Feature Extraction):
Ushbu bosqichda o’qituvchi 
to’plamdagi ma’lumotlar xususiyatlari o’rganib chiqiladi va bashoratlash, tashxislash, 
sinflashtirish, qaror qabul qilish uchun kerakli xususiyatlar ajratib olinadi. (Misol uchun 
rasmda “olma” tasvirlanganligini belgilab beruvchi xusisyatlar). 

---

 
7.4-rasm. Dastlabki ishlov berish jarayoni 
Unsupervised learning 
O’qituvchisiz o’qitish (unsupervised learning) – bu mashinani o’qitish usulidan 
biri bo’lib, bunda modelni oldindan aniq bo’lgan ma’lumotlar bilan o’qitish amalga 
oshirilmaydi, aksincha obyekt parametrlarini (ma'lumotlarni) toppish uchun modelga 
o'z ustida ishlashga imkon yaratib beriladi. 
Supervised learning usuliga qaraganda murakkab usul hisoblanadi va bashoratlash 
jarayoni avtomatik lekin noaniqroq bo’lishi mumkin. 
Unsupervised learning usulida asosan “klasterlash” masalasi yechiladi. 
7.5-rasm. Unsupervised learning ga misol 

---

Unsupervised learning: “Klasterlash” 
 
Unsupervised learning turlari 
•
Clustering 
•
Hierarchical clustering 
•
K-means clustering 
•
K-NN (k nearest neighbors) 
•
Principal Component Analysis 
•
Singular Value Decomposition 
•
Independent Component Analysis
 
 
Artificial intelligance with ML