Berilganlarni intellektual tahlili



Yüklə 24,95 Kb.
səhifə1/2
tarix26.11.2023
ölçüsü24,95 Kb.
#135537
  1   2
Berilganlarni intellektual tahlili fanidan Ko’p chiziqli regress-fayllar.org


BERILGANLARNI INTELLEKTUAL TAHLILI
REJA:

  1. Ma’lumotlar fani.Ma’lumotlarni tahlil qilish. Regressiya.


  2. Model qanchalik yaxshi va muhim? Modellarni tanlash


  3. Koeffitsiyentlar qanchalik muhim?


  4. Ko’p chiziqlilik.


  5. Misol.



Data Science (aka Data Mining ) ma'lumotlarni tahlil qilish orqali o'tmishni tushuntirish va kelajakni bashorat qilishdir . Ma'lumotlar fani - bu statistika, mashina o'rganish, sun'iy intellekt va ma'lumotlar bazasi texnologiyasini birlashtirgan ko'p tarmoqli soha. Ma'lumotlar faniga oid ilovalarning qiymati ko'pincha juda yuqori deb baholanadi. Ko'pgina korxonalar ko'p yillik faoliyat davomida katta hajmdagi ma'lumotlarni saqlab qolishgan va ma'lumotlar fani bu ma'lumotlardan juda qimmatli bilimlarni olishga qodir. Keyin korxonalar olingan bilimlarni ko'proq mijozlarga, ko'proq sotishga va katta foyda olishga qodir. Bu muhandislik va tibbiyot sohalarida ham amal qiladi.
Ma'lumotlar fani kelajakni modellashtirish orqali bashorat qiladi.
Bashoratli modellashtirish - natijani bashorat qilish uchun model yaratish jarayoni. Agar natija toifali bo'lsa, u tasnif deb ataladi va natija soni bo'lsa, regressiya deb ataladi .

Regressiya - bu bir yoki bir nechta bashorat qiluvchilar (raqamli va toifali o'zgaruvchilar) asosida model yaratish orqali maqsad (raqamli o'zgaruvchi) qiymatini bashorat qilish bo'yicha ma'lumotlar fanining vazifasi.
Ko'p chiziqli regressiya ( MLR ) - bu qaram o'zgaruvchi (maqsad) va bir yoki bir nechta mustaqil o'zgaruvchilar (prediktorlar) o'rtasidagi chiziqli munosabatlarni modellashtirish uchun ishlatiladigan usul.
MLR oddiy eng kichik kvadratlarga ( OLS ) asoslanadi , model shunday mos keladiki, kuzatilgan va bashorat qilingan qiymatlar farqlarining kvadratlari yig'indisi minimallashtiriladi.
MLR modeli bir nechta taxminlarga asoslanadi (masalan, xatolar odatda nol o'rtacha va
doimiy dispersiya bilan taqsimlanadi). Taxminlar qondirilsa, regressiya baholovchilari xolis , samarali va izchil ekanligi ma'nosida optimal hisoblanadi . Xolislik baholovchining kutilayotgan qiymati parametrning haqiqiy qiymatiga teng ekanligini bildiradi. Samarali
degani, baholovchi boshqa har qanday baholovchiga qaraganda kichikroq dispersiyaga
ega ekanligini anglatadi. Konsistent degani, tanlanma hajmi cheksizlikka yaqinlashganda, baholovchining tarafkashligi va dispersiyasi nolga yaqinlashishini bildiradi.




















Yüklə 24,95 Kb.

Dostları ilə paylaş:
  1   2




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©muhaz.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin