Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

 
МАТНЛИ МАЪЛУМОТЛАРНИ ТАСНИФЛАШ УЧУН ҚАРОР 
ДАРАХТИ АЛГОРИТМИНИ ҚЎЛЛАШ 
О.Ж. Бабомурадов (т.ф.д, Муҳаммад ал-Хоразмий номидаги ТАТУ) 
Л.Б. Бобоев (таянч докторант, ТАТУ ҳузуридаги АКТ ИИМ) 
Қарор дарахти матн ва маълумотлар интеллектуал таҳлили учун эски 
таснифлаш алгоритмларидан бири ҳисобланади [1]. Қарор дарахти 
таснифлагичлари таснифлаш учун кўплаб турли соҳаларда муваффақиятли 
қўлланилмоқда [2]. Ушбу усулнинг тузилиши маълумотлар майдонининг 
иерархик декомпозицияси кўринишида бўлади [1]. Таснифлаш вазифаси 
сифатида қарор дарахти Д. Морган томонидан киритилган [1] ва Ж.Р. 
Қуинлан томонидан ривожлантирилган [3]. Асосий ғоя бу категорияланган 
маълумотлар пунктлари атрибутига асосланиб дарахт яратишдир, аммо қарор 
дарахтининг қайси атрибути ёки белгиси ота даражасида бўлиши ва қайси 
бири бола даражасида бўлиши асосий вазифа ҳисобланади. Ушбу масалани 
ҳал қилиш учун Де Мантарас дарахтда белгиларни танлаш учун статистик 
моделлаштиришни тақдим этди [4]. 
p
позитив ва 
n
негативдан иборат 
бўлган ўқув тўплами учун: 
2
2
,
log
log
p
n
p
p
n
n
H
n
p n
p
n
p
n
p
n
p
n
p


 











(1) 
k
та аниқ қиймати бўлган 
A
белги танланса 
E
ўқув тўплами 


1
2
,
,
,
k
E E
E
кичик қисмларга ажратади. Кутилган энтропия (КЭ) 
A
(дарахт таналари 
1,2,
,
i
k

) белгисини синаб кўргандан кейин қуйидагича бўлади: 
 
1
,
K
i
i
i
i
i
i
i
i
i
p
n
p
n
КЭ A
H
p
n
n
p n
p













(2) 
Ушбу белги учун маълумот тўпланиши (I) ёки энтропиянинг камайиши 
қуйидагича: 
 
 
,
p
n
A I
H
EH A
n
p n
p










(3) 
Ота тугун сифатида энг катта маълумотлар тўпланишига эга бўлган 
белги танланади. 
Тажрибавий тадқиқотлар учун Ўзбекистон Миллий ахборот агентлиги давлат 
расмий ахборот манбаидан 10 та категорияга тегишли 1847 та энг охирги 
ўзбек тилидаги янгиликлар пости олинди. Ушбу матнли маълумотлар 

---

388 
тўпламини таснифлашда қарор дарахти алгоритмидан фойдаланилган ҳолда 
61% аниқликка эришилди (1-расм). 
1
-расм. Қарор дарахти алгоритмининг УзА маълумотларини таснифлашдаги чалкашлик 
матрицаси 
Қарор дарахти ўрганиш учун ҳам, башорат қилиш учун ҳам жуда тез 
алгоритм ҳисобланади, лекин у маълумотлардаги кичик тартибсизликларга 
ҳам жуда сезгир [5]. Ушбу эффектларни текшириш усуллари ва кесиш 
орқали рад этиш мумкин, аммо бу яхши натижа бермайди [5]. 
Фойдаланилган адабиётлар рўйхати 
[1] 
J. N. Morgan and J. A. Sonquist, “Problems in the Analysis of Survey Data, and a 
Proposal,” 
J. Am. Stat. Assoc.
, vol. 58, no. 302, pp. 415–434, Jun. 1963, doi: 
10.1080/01621459.1963.10500855. 
[2] 
S. R. Safavian and D. Landgrebe, “A survey of decision tree classifier methodology,” 
IEEE Trans. Syst. Man. Cybern.
, vol. 21, no. 3, pp. 660–674, May 1991, doi: 
10.1109/21.97458. 
[3] 
J. R. Quinlan, “Induction of decision trees,” 
Mach. Learn.
, vol. 1, no. 1, pp. 81–106, 1986, 
doi: 10.1007/BF00116251. 
[4] 
R. L. De Mántaras, “A Distance-Based Attribute Selection Measure for Decision Tree 
Induction,” 
Mach. Learn.
, vol. 6, no. 1, pp. 81–92, 1991, doi: 10.1023/A:1022694001379. 
[5] 
C. Giovanelli, X. Liu, S. Sierla, V. Vyatkin, and R. Ichise, “Towards an aggregator that 
exploits big data to bid on frequency containment reserve market,” in 
IECON 2017-43rd 
Annual Conference of the IEEE Industrial Electronics Society
, 2017, pp. 7514–7519.