Международный научно-образовательный электронный журнал «образование и наука в XXI веке». Выпуск №25 (том 2)

6-rasm. Boosting va Random Forest modeli prognozlarining haqiqiy ko’rsatkichlar 
bilan taqqoslanishi
206
 
Boosting va RF modellari o`z prognozlarini odatda, haqiqy ko`rsatkichlardan biroz 
yuqoriroq darajaga chiqarib qo`yishdi. O`rtacha boosting modeli 0,5 foiz punktga 
adashmoqda (MAE=0,5). 2019 yil uchun prognozlar esa haqiqiy ko`rsatkichlar bilan teng 
ekanligi e’tiborga sazovor. 
7-rasm. Lasso va ridge regressiya prognozlarining haqiqiy ko’rsatkichlarga 
taqqoslanishi
207
 
Lasso va ridge regressiya prognozlari haqiqiy ko`rsatkichlar bilan taqqoslanganda, shuni 
ko`rish mumkinki, modellar har yilda o`rtacha hisobda, mos ravishda 1,61 va 1,79 foiz 
punktga adashishmoqda. Bunday ko`rsatkichning qayd etilishiga sabablardan biri – 2019 
206
Muallif tomonidan shakllantirildi 
207
Muallif tomonidan shakllantirildi 
4.5
5
5.5
6
6.5
7
7.5
8
8.5
2016
2017
2018
2019
Haqiqiy
Boosting
Random Forest
1.5
2.5
3.5
4.5
5.5
6.5
7.5
8.5
2016
2017
2018
2019
Haqiqiy
Lasso
Ridge

---

800 
yilda anomalik ravishda, har ikki model iqtisodiy o`sish ko`rsatkichini haqiqiydan ancha 
past darajada prognoz qilishdi. Shu tufayli, bu modellar aniqligiga salbiy ta’sir qildi. 
VAR modelini yaratishda ko`rsatkichlarning 1 yil oldingi laglari hisobga olindi. Bunda, 
iqtisodiy ko`rsatkichlarning YaIM o`sish sur’atiga birdaniga ta’sir qilmasligi asosiy sabab 
hisoblanadi. VAR (1) modelining u qadar yaxshi natija ko`rsatmaganligi ushbu modelning 
ma’lumotlar sifatiga o`ta ta’sirchanligi bilan izohlanadi. O`zbekiston iqtisodiyoti uchun 
shakllantirilgan ma’lumotlar sifatidagi ayrim kamchiliklar model sifatiga ham bevosita 
ta’sir ko`rsatdi. 
Ekonometrik modellar orasida vaqtli qatorlar bilan ishlash standart hisoblanuvchi ARIMA 
modeli hamda Boosting natijalari taqqoslansa, ML metodi barcha oraliqlarda yaxshiroq 
aniqlik namoyish etmoda. MSE xatoligi bo`yicha esa, boosting ning yuqoriroq xatolik qayd 
etayotganligiga guvoh bo`lish mumkin. Buning sababi sifatida, prognoz va haqiqiy 
ko`rsatkich o`rtasidagi farq oshishi bilan, MSE xatoligi ham ortib boradi. Shu tufayli, 
boostingning MSE xatoligi ayrim oraliqlarda yuqoriroq bo`lib qayd etilmoqda. 
 
Random Forest modelining qanday ishlayotganligini tahli qilish uchun, undan 
ixtiyoriy tanlab olingan qarorlar daraxtining prognozlash uchun qay tarzda ishlayotganligini 
ko`rishimiz mumkin.