Bunda: - TQ-texnik qurilma; - AFQA - ajratuvchi funksiyani qurish algoritmi; - MO’ABT - mashinali o’qitishni avtomatik boshqaruvchi tizim; - OʻO - oʻrganilayotgan obyektlar; - Oʻ- oʻqituvchi. Bu yerda:
- SHQA-sinflarni hosil qiluvchi algoritm;
- OʻOʻTOO-oʻzini-oʻzi tanib oluvchi obyektlar;
- SQ-sinflashtirish qoidasi.
4. MO’Tlarni sinflashtirishning toʻrtinchi tamoyili - obyektlarni tanib olishni MO’da belgilar haqidagi ma’lumotlarning tiplarini oʻrganishdan iborat.
MO’ning determinallashgan tizimlaridaobyektlarni tanib olish masalalarini yechishda geometrik oʻxshashlik oʻlchovlaridan foydalaniladi. Sinflarni tavsiflash usuli sifatida sinflarda joylashgan barcha obyektlarning koordinatalari ishlatiladi.
MO’ning ehtimolli tizimlaridaobyektlarni tanib olish masalalarini yechishda ehtimolli oʻxshashlik oʻlchovlaridan foydalaniladi va belgilar bilan sinflar orasidagi bogʻliqlik e’tiborga olinadi.
MO’ningmantiqiy tizimlarda belgilar sifatida mantiqiy qiymatlar qaraladi va bu belgilar asosida mulohazalar tuziladi. Bu mulohazalar Bul tenglamalar tizimi koʻrinishida ifodalangan boʻlib, oʻzgaruvchilar sifatida belgilar va noma’lum qiymatlar sinflar deb qaraladi.
MO’ningstrukturali tizimlarda tanib olish masalasining yechish usuli sifatida obyektlarni tavsiflovchi soʻzlarning grammatik tahlili qaraladi. Sinflar sifatida obyektlarni tavsiflovchi soʻzlarning toʻplami qaraladi.
MO’ningkombinatsiyalashgan tizimlarda tanib olish masalasining yechish usuli sifatida maxsus baholarni hisoblash usullari nazarda tutiladi. Sinflarni tashkil etuvchi obyektlar aralash belgilardan, ya’ni determinalli, strukturali, ehtimolli va mantiqiy belgilardan iborat boʻladi.
2. Mashinali o‘qitish(MO’)ning turlari 2. Mashinali o‘qitish(MO’)ning turlari O’qituvchili o’qitish (Supervised learning) - bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. Oʻqituvchili MO’Tlarda obyektlar to’plami (OT) va ularning belgilari hamda bu belgilarning qanday sinfga qarashli ekanligi, ya’ni sinflarning nomi berilgan boʻladi. Bunday turdagi o’qitish usullariga regressiya (2.10-rasm) va sinflashtirish (2.8-rasm) masalalarini misol keltirish mumkin. Bunda xususiyatlari aniq deganda kiruvchi va chiquvchi parametrlar mavjud bo’lishi nazarda tutiladi.
Modelni o’qitishda foydalaniladigan ma’lumotlar odatda ikkita qismga ajratiladi va ular 80:20 nisbatda olinadi. Ya’ni ma’lumotlarning 80% o’qitiluvchi ma’lumot va qolgan 20% esa modelni testlovchi ma’lumot bo’lib xizmat qiladi.
O’qitish jarayonida model kiruvchi va chiquvchi ma’lumotlarning 80% dan foydalanadi , va modelni o’qitish faqat ushbu ma’lumot orqali amalga oshiriladi 2.13-rasm. O’qituvchili o’qitish masalalari. O’qituvchili o’qitish algoritmlariga misollar: • Chiziqli regressiya (Linear Regression) • Eng yaqin qo'shni (Nearest Neighbor);
• Gauss soddaligi Bayesiyalik (Gaussian Naive Bayes);
• Qaror daraxtlari (Decision Trees);
• Qektorli mashinani qo'llab-quvvatlash (Support Vector Machine (SVM));
• Tasodifiy o'rmon (Random Forest).
2.14-rasm. O’qituvchili o’qitish (Supervised learning) sxemasi.
Bu mashinani o’qitish usulidan biri bo’lib, bunda modelni oldindan aniq bo’lgan ma’lumotlar bilan o’qitish amalga oshirilmaydi, aksincha obyekt parametrlarini (ma'lumotlarni) topish uchun modelga o'z ustida ishlashga imkon yaratib beriladi. Oʻqituvchisiz MO’Tlarda faqat OT va ularning BT berilgan boʻlib, obyektlarning qaysi sinfga qarashli ekanligi berilmaydi. Bunday tizimlar koʻp hollarda taksonomik tizimlar deyiladi, ya’ni taksonlarga qarab, obyektlar 2.15-rasm. O’qituvchisiz o’qitish sxemasi sun’iy ravishda sinflarga ajratiladi.
2.15-rasm.