O’zbekiston respublikasi axborot texnologiyalari va kommunikatsiyalarini rivojlantirish vazirligi muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti samarqand filiali

Klassifikatorlarni o'rgatish va baholash:
c ∈ uchun {Linear SV C, RBF SV M, DTC, RF, LR, MNB} bajaring
c ning giperparametrlarini ishga tushiring
Trening c TrainF va TrainL bilan
TestF va TestL bilan c testi
Ballarni hisoblang
uchun chalkashlik matritsasi oxirini hisoblang

Python uchun Scikit-Learn ixtisoslashtirilgan mashina o'rganish dasturiy kutubxonasi foydalanish uchun qulay vositalarni taqdim etadigan ko'plab tasniflash usullarini o'z ichiga oladi. Biz ushbu kutubxonaning modellaridan foydalanishning asosiy bosqichlari va mexanizmlarini tavsiflaymiz. Bunday tavsif biz bajargan bosqichlarni va modullar, sinflar va tegishli parametrlarni ishlatish bilan bog'liq qadamlarni batafsilroq ochib beradi.

Linear SVC ni amalga oshirish uchun sklearn.svm.SVC dan foydalanilgan, bu yerda SVC sinf, svm sklearn kutubxona modeli (Scikit-Learn). Ushbu tasniflagich uchun yadro va c parametrlari mos ravishda "chiziqli" va 1 sifatida tanlangan. RBF uchun SVM klassifikatori sklearn.svm.SVC tomonidan ham bajarilgan, bu erda parametrlar yadro = 'RBF', c = 1 va gamma = 1. Amalga oshirishda
Qarorlar daraxti tasniflagichi, sklearn.tree.DecisionTreeClassifier klassi ishlatilgan. Ushbu mezon va maksimal chuqurlik sinfi parametrlari “gini” va 20. Logistik regressiyani amalga oshirish uchun sklearn.linear model.LogisticRegression klassi ishlatilgan. Parametrlar sifatida multi-klass va hal qiluvchi mos ravishda “multinominal” va “nyuton-cg” ishga tushirildi. Tasodifiy o'rmon tasniflagichi sklearn.ensemble.RandomForestClassifier klassi asosida amalga oshirildi. Bunday holda, n smetator parametri = 1000 va maksimal xususiyatlar = "avtomatik". Multinomial Na¨ive Bayes klassifikatori uchun sklearn.naive bayes.MultinomialNB ishlatilgan va parametr sifatida alfa = 0,01.
Ushbu tasniflagichlarning giperparametrlari Grid qidiruvi algoritmidan foydalanish asosida aniqlandi. Aynan shu giperparametrlar asosida tasniflagichlar eng yuqori aniqlikni berdi. Giperparametrlar 5 marta o'zaro tekshirish yordamida aniqlandi. Yuqori aniqlik qiymatiga mos keladigan har bir klassifikatorning giperparametrlarining nomi va qiymatlari 3-jadvalda keltirilgan.