Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti farg'ona filiali 610-20 guruh talabasi Nomonov Islomjonning Mashinali o’qitish fanidan tayyorlagan Mustaqil ishi

2. Logistik regressiya 
Logistik regressiya - bu to'g'ridan-to'g'ri statistikadan mashinani o'rganishga 
kelgan yana bir algoritm. Uni ikkilik tasniflash muammolari uchun ishlatish 
yaxshidir (bular biz ikkita sinfdan birini chiqish sifatida oladigan muammolar). 
Logistik regressiya chiziqli regressiyaga o'xshaydi, chunki u sizdan kiritilgan 
o'zgaruvchilar uchun koeffitsientlarning qiymatlarini topishni talab qiladi. Farqi 
shundaki, chiqish qiymati chiziqli bo'lmagan yoki logistik funktsiya yordamida 
aylantiriladi. 
Logistik funktsiya S bosh harfiga o'xshaydi va har qanday qiymatni 0 dan 1 
gacha bo'lgan raqamga aylantiradi. Bu juda foydali, chunki logistik funktsiyaning 
chiqishiga 0 va 1 ni bog'lash qoidasini qo'llashimiz mumkin (masalan, agar 
funktsiyaning natijasi 0,5 dan kichik bo'lsa, u holda chiqish 1) va sinf bashoratlari. 

---

Modelni o'qitish usuli tufayli logistik regressiya bashoratlari namunaning 0 
yoki 1-sinfda bo'lish ehtimolini ko'rsatish uchun ishlatilishi mumkin. Bu bashorat 
qilish uchun ko'proq dalillar kerak bo'lganda foydalidir. 
Chiziqli regressiyada bo'lgani kabi, logistik regressiya ham ortiqcha va shunga 
o'xshash o'zgaruvchilar olib tashlanganida o'z ishini yaxshiroq bajaradi. Logistik 
regressiya modeli tezda o'rganadi va ikkilik tasniflash muammolari uchun juda mos 
keladi. 
3. Chiziqli diskriminant tahlili (LDA) 
Logistik regressiya namunani ikkita sinfdan biriga tayinlash kerak bo'lganda 
qo'llaniladi. Agar ikkitadan ortiq sinf mavjud bo'lsa, LDA algoritmidan foydalanish 
yaxshiroqdir ( Linear diskriminant tahlil ). 
LDA ni ifodalash juda oddiy. U har bir sinf uchun hisoblangan ma'lumotlarning 
statistik xususiyatlaridan iborat. Har bir kirish o'zgaruvchisi uchun quyidagilar 
kiradi: 
●
Har bir sinf uchun o'rtacha qiymat;
●
Barcha sinflar uchun hisoblangan dispersiya.
Har bir sinf uchun diskriminant qiymatini hisoblash va eng katta qiymatga ega 
sinfni tanlash orqali bashorat qilinadi. Ma'lumotlar normal taqsimotga ega deb 
taxmin qilinadi, shuning uchun ishni boshlashdan oldin ma'lumotlardan anomal 
qiymatlarni olib tashlash tavsiya etiladi. Bu tasniflash muammolari uchun oddiy va 
samarali algoritmdir.