Mavzu: Tasodifiy o’rmon algoritmi

Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti

Kompyuter injiniringi fakulteti
Mustaqil ish

Mavzu: Tasodifiy o’rmon algoritmi


Topshirdi: Nig’matjonov Sh. Sh.
Qabul qildi: Arabboyev M. M.

Toshkent - 2022
Reja:
Kirish

1. 
   Tasodifiy O’rmon algoritmiga ta’rif
   
2. 
   Real hayotda qo’llanilishi
   
3. 
   Tasodifiy O’rmon ishlash prinsipi
   
4. 
   Tasodifiy o'rmon algoritmining afzalliklari va kamchiliklari
   

Xulosa

Kirish
Tasodifiy o'rmon - bu boshqariladigan mashinani o'rganish algoritmi bo'lib, u tasniflash va regressiya muammolarida keng qo'llaniladi. U turli xil namunalar bo'yicha qarorlar daraxtlarini quradi va regressiya holatida tasniflash va o'rtacha ko'pchilik ovozini oladi.
Tasodifiy o'rmon algoritmining eng muhim xususiyatlaridan biri shundaki, u regressiya holatida bo'lgani kabi uzluksiz o'zgaruvchilarni o'z ichiga olgan ma'lumotlar to'plamini va tasniflashda bo'lgani kabi toifali o'zgaruvchilarni ham boshqarishi mumkin. U tasniflash muammolari uchun yaxshiroq natijalar beradi.
Real hayotda analogiyasi
Keling, ushbu kontseptsiyani yanada chuqurroq tushunish uchun haqiqiy hayotdagi o'xshashlikka sho'ng'aylik. X ismli talaba 10+2 dan keyin kurs tanlashni xohlaydi va u o'z mahoratiga qarab kurs tanlashda dovdirab qoladi. Shuning uchun u qarindoshlari, o'qituvchilari, ota-onalari, talabalari va ishchilari kabi turli odamlar bilan maslahatlashishga qaror qiladi. U ularga turli xil savollarni so'raydi, masalan, nima uchun u tanlash kerak, bu kursda ish imkoniyatlari, kurs to'lovi va hokazo. Nihoyat, kurs haqida turli odamlar bilan maslahatlashgandan so'ng, u ko'pchilik tomonidan tavsiya etilgan kursni o'tashga qaror qiladi.
Tasodifiy o'rmon algoritmining ishlashi
Tasodifiy o'rmonning ishlashini tushunishdan oldin biz ansambl texnikasini ko'rib chiqishimiz kerak. Ansambl oddiygina bir nechta modellarni birlashtirishni anglatadi. Shunday qilib, bashorat qilish uchun individual modeldan ko'ra modellar to'plamidan foydalaniladi.
Ansambl ikki xil usuldan foydalanadi:

1. 
   Bagging – U almashtirish bilan namunaviy oʻquv maʼlumotlaridan boshqa oʻquv toʻplamini yaratadi va yakuniy natija koʻpchilik ovoziga asoslanadi. Masalan, tasodifiy o'rmon.
   
2. 
   Boosting – Yakuniy model eng yuqori aniqlikka ega bo'lishi uchun ketma-ket modellarni yaratish orqali zaif o'quvchilarni kuchli o'quvchilarga birlashtiradi. Masalan, ADA BOOST, XG BOOST
   

Yuqorida aytib o'tilganidek, Random Forest Bagging printsipi asosida ishlaydi. Keling, Bagging ga sho’ngib uni batafsil tushunamiz.
Bagging
Bootstrap Aggregation deb ham ataladigan Bagging tasodifiy o'rmon tomonidan qo'llaniladigan ansambl texnikasidir. Bagging ma'lumotlar to'plamidan tasodifiy namunani tanlaydi. Shunday qilib, har bir model asl ma'lumotlar tomonidan taqdim etilgan namunalardan (Bootstrap namunalari) qator namunalari deb nomlanuvchi almashtirish bilan yaratiladi. O'zgartirish bilan qatorlarni tanlashning ushbu bosqichi bootstrap deb ataladi. Endi har bir model mustaqil ravishda o'qitiladi, bu esa natijalarni beradi. Yakuniy chiqish barcha modellar natijalarini birlashtirgandan so'ng ko'pchilik ovoz berishga asoslangan. Barcha natijalarni birlashtirish va ko'pchilik ovoz berish asosida mahsulot ishlab chiqarishni o'z ichiga olgan bu bosqich aggregation deb nomlanadi.

Endi quyidagi rasm yordamida uni parchalab, bir misolni ko'rib chiqamiz. Bu yerda bootstrap namunasi haqiqiy maʼlumotlardan (Bootstrap namunasi 01, Bootstrap namunasi 02 va Bootstrap namunasi 03) almashtirilgan holda olinadi, bu har bir namunada noyob maʼlumotlar boʻlmasligi ehtimoli yuqori. Endi ushbu yuklash namunasidan olingan model (Model 01, Model 02 va Model 03) mustaqil ravishda o'qitiladi. Har bir model ko'rsatilgandek natijalarni yaratadi. Endi baxtli kulgichlar qayg‘uli emoji bilan solishtirganda ko‘pchilikka ega. Shunday qilib, ko'pchilik ovoz berish asosida yakuniy natija Happy emoji sifatida olinadi.

Tasodifiy o'rmon algoritmi bilan bog'liq qadamlar:
1-qadam: Tasodifiy o'rmonda n ta tasodifiy yozuvlar k soniga ega bo'lgan ma'lumotlar to'plamidan olinadi.

2-qadam: Har bir namuna uchun individual qaror daraxtlari tuziladi.

3-qadam: Har bir qaror daraxti natija hosil qiladi.

4-qadam: Yakuniy natija ko'pchilik ovoz berish yoki tasniflash va regressiya bo'yicha o'rtacha ko'rsatkichlar asosida ko'rib chiqiladi.

Masalan: meva savatini quyidagi rasmda ko'rsatilgandek ma'lumot sifatida ko'rib chiqing. Endi meva savatchasidan n ta namuna olinadi va har bir namuna uchun individual qaror daraxti tuziladi. Har bir qaror daraxti rasmda ko'rsatilganidek, natijani yaratadi. Yakuniy natija ko'pchilik ovoz berish asosida ko'rib chiqiladi. Quyidagi rasmda siz ko'pchilik qaror daraxti banan bilan solishtirganda olma sifatida hosil berishini ko'rishingiz mumkin, shuning uchun yakuniy natija olma sifatida olinadi.