|
O’zbekiston Respublikasi axborot texnologiyalari va kommunikatsiyalarni rivojlantirish vazirligi
Muhammad Al-Xorazmiy nomidagi Toshkent Axborot Texnologiyalari Universiteti 213-guruh talabasi Ochilova Aziza
Toshkent-2021
Mavzu : Bayes usuli, va ular yordamida yechiladigan masalalar Reja: 2 Ehtimoliy model 3 Parametrlarni baholash va hodisalar modellari
Naive Bayes - bu klassifikatorlarni tuzishning oddiy usuli: muammoli misollarga sinf yorliqlarini beradigan modellar, xususiyati qiymatlari, bu erda sinf yorliqlari ba'zi bir cheklangan to'plamlardan olinadi. Bitta ham yo'q algoritm bunday klassifikatorlarni tayyorlash uchun, lekin umumiy printsipga asoslangan algoritmlar oilasi: Bayesning barcha sodda tasniflagichlari ma'lum bir xususiyatning qiymati mustaqil sinf o'zgaruvchisini hisobga olgan holda har qanday boshqa xususiyatning qiymatini. Masalan, qizil, yumaloq va diametri 10 sm ga yaqin bo'lsa, meva olma deb hisoblanishi mumkin. Bayesning sodda tasniflagichi ushbu xususiyatlarning har birini, bu mumkin bo'lgan mevalardan qat'i nazar, bu olma olma ehtimoliga mustaqil ravishda hissa qo'shadi deb hisoblaydi. o'zaro bog'liqlik rang, yumaloqlik va diametr xususiyatlari o'rtasida.Ba'zi bir ehtimollik modellari uchun sodda Bayes klassifikatorlari a da juda samarali o'qitilishi mumkin nazorat ostida o'rganish sozlash. Ko'pgina amaliy dasturlarda Bayesning sodda modellari uchun parametrlarni baholash usuli qo'llaniladi maksimal ehtimollik; boshqacha qilib aytganda, sodda Bayes modeli bilan qabul qilmasdan ishlash mumkin Bayes ehtimoli yoki biron bir Bayes usulidan foydalangan holda.Entsiklopediya
Naive Bayes - bu klassifikatorlarni yaratishning oddiy texnikasi: muammoli misollarga sinf belgilarini tayinlaydigan modellar, xususiyat qiymatlari vektorlari sifatida taqdim etiladi, bu erda sinf yorliqlari ba'zi bir chekli to'plamdan olinadi. Bunday klassifikatorlarni tayyorlashning yagona algoritmi emas, balki umumiy tamoyilga asoslangan algoritmlar oilasi mavjud: barcha sodda Bayes klassifikatorlari sinf o‘zgaruvchisini hisobga olgan holda, u yoki bu xususiyatning qiymati boshqa har qanday xususiyat qiymatidan mustaqil bo‘lishini taxmin qiladi. Misol uchun, meva qizil, yumaloq va diametri taxminan 10 sm bo'lsa, olma hisoblanadi. Oddiy Bayes tasniflagichi ushbu xususiyatlarning har birini rang, yumaloqlik va diametr xususiyatlari o'rtasidagi mumkin bo'lgan korrelyatsiyadan qat'i nazar, bu mevaning olma bo'lish ehtimolini mustaqil ravishda hisobga oladi.
Ko'pgina amaliy dasturlarda sodda Bayes modellari uchun parametrlarni baholash maksimal ehtimollik usulidan foydalanadi; boshqacha qilib aytganda, sodda Bayes modeli bilan Bayes ehtimolini qabul qilmasdan yoki Bayesian usullaridan foydalanmasdan ishlash mumkin.
Oddiy dizayni va soddalashtirilgan taxminlariga qaramay, sodda Bayes tasniflagichlari ko'plab murakkab real vaziyatlarda juda yaxshi ishladi. 2004 yilda Bayes tasniflash muammosining tahlili sodda Bayes klassifikatorlarining aftidan aql bovar qilmaydigan samaradorligi uchun asosli nazariy sabablar mavjudligini ko'rsatdi. Shunga qaramay, 2006 yilda boshqa tasniflash algoritmlari bilan keng qamrovli taqqoslash shuni ko'rsatdiki, Bayes tasnifi ko'tarilgan daraxtlar yoki tasodifiy o'rmonlar kabi boshqa yondashuvlardan ustundir.
Sodda Bayesning afzalligi shundaki, u tasniflash uchun zarur bo'lgan parametrlarni baholash uchun oz miqdordagi o'quv ma'lumotlarini talab qiladi.
Ehtimoliy model Xulosa qilib aytganda, sodda Bayes a shartli ehtimollik model: vektor bilan ifodalangan, tasniflanadigan muammo misoli berilgan ba'zilarining vakili n xususiyatlari (mustaqil o'zgaruvchilar), ushbu misol uchun ehtimollarni belgilaydi
har biri uchun K mumkin bo'lgan natijalar yoki sinflar .[8]Yuqoridagi formulada muammo shundaki, agar funktsiyalar soni n katta bo'lsa yoki funktsiya ko'p sonli qiymatlarni qabul qilishi mumkin bo'lsa, unda bunday modelga asoslanadi ehtimollik jadvallari mumkin emas. Shuning uchun biz modelni yanada qulayroq qilish uchun uni qayta tuzamiz. Foydalanish Bayes teoremasi, shartli ehtimollik quyidagicha ajralishi mumkin
Oddiy ingliz tilida Bayes ehtimoli terminologiya, yuqoridagi tenglama quyidagicha yozilishi mumkin
Misollar Shaxslarning tasnifi Muammo: berilgan odamning erkak yoki ayol ekanligini o'lchov xususiyatlariga qarab tasniflang, bu xususiyatlarga bo'yi, vazni va oyoq o'lchamlari kiradi.O'qitish Namunalar to'plami quyida keltirilgan.
Gauss taqsimot farazidan foydalangan holda o'quv mashg'ulotlari to'plamidan yaratilgan klassifikator (berilgan farqlar mavjud) xolis namunaviy farqlar):
Aytaylik, bizda tenglashtiriladigan sinflar mavjud, shuning uchun P (erkak) = P (ayol) = 0,5. Ushbu oldingi ehtimollik taqsimoti bizning ko'proq aholining chastotalari haqidagi bilimimizga yoki o'quv majmuasidagi chastotaga asoslangan bo'lishi mumkin.SinovQuyida erkak yoki ayol deb tasniflanadigan namuna keltirilgan.
Biz qaysi orqa katta, erkak yoki ayol ekanligini aniqlashni xohlaymiz. Erkak deb tasniflash uchun orqa tomonidan berilgan
Ayol sifatida tasniflash uchun orqa tomonidan berilgan
Dalillarni (normallashtiruvchi doimiy deb ham yuritiladi) hisoblash mumkin:
Biroq, namunani hisobga olgan holda, dalillar doimiydir va shuning uchun ikkala orqa tomonni ham teng ravishda o'lchaydi. Shuning uchun u tasnifga ta'sir qilmaydi va uni e'tiborsiz qoldirish mumkin. Endi namunaning jinsi uchun ehtimollik taqsimotini aniqlaymiz.
E`tibor Uchun Rahmat!
Do'stlaringiz bilan baham: |
