Наука и технология в современном миреМирзаева Ширин Нодировна, Тахиров Чингиз Аъзамович +22026
MASHINAVIY O‘QITISHDA XUSUSIYATLAR TANLOVI VA O‘ZGARTIRISHNING AHAMIYATI
Asqarov Elbek
Наука и технология в современном мире · 2026
Аннотация
Mashinaviy o‘qitish (machine learning) loyihalarida ma'lumotlarni tayyorlash bosqichi muvaffaqiyatning asosiy omillaridan biridir. Ushbu bosqichda xususiyatlar tanlovi (feature selection) va xususiyatlar o‘zgartirish (feature engineering) modelning samaradorligi, aniqligi va umumlashtirish qobiliyatiga katta ta'sir ko‘rsatadi. Ushbu maqolada ushbu jarayonlarning ahamiyati, afzalliklari va amaliy misollar keltiriladi. Kalit so‘zlar: xususiyatlar tanlovi, xususiyatlar o‘zgartirish, mashinaviy o‘qitish, ma'lumotlar tayyorlash, feature selection, feature engineering, model aniqligi, haddan tashqari moslashuv, normallashtirish, kategorik kodlash, ma'lumotlar sifati, umumlashtirish, hisoblash xarajatlari, interpretatsiya, yangi xususiyatlar yaratish Xususiyatlar tanlovi — bu ma'lumotlar to‘plamidagi eng muhim va foydali xususiyatlarni aniqlash va keraksiz yoki past ahamiyatli xususiyatlarni olib tashlash jarayonidir. Bu jarayon quyidagi afzalliklarni ta'minlaydi. Ko‘p xususiyatlarga ega ma'lumotlar to‘plamlari hisoblash xarajatlarini oshiradi va o‘qitish jarayonini sekinlashtiradi. Keraksiz xususiyatlarni olib tashlash orqali ma'lumotlar hajmi qisqaradi, bu esa resurslardan samarali foydalanish imkonini beradi. Faqat muhim xususiyatlardan foydalanish modelning shovqinli (noise) yoki noto‘g‘ri ma'lumotlarga chalg‘ishini oldini oladi. Bu modelning yangi, ko‘rilmagan ma'lumotlarda yaxshi ishlashiga (umumlashtirish) yordam beradi. Keraksiz xususiyatlar modelning o‘quv ma'lumotlariga haddan tashqari moslashishiga olib kelishi mumkin. Tanlov jarayoni ushbu xavfni kamaytiradi va modelning barqarorligini oshiradi. Kamroq, lekin muhim xususiyatlar bilan ishlaganda modelni tushunish va tahlil qilish osonlashadi. Bu, ayniqsa, tibbiyot yoki moliya kabi sohalarda muhimdir, chunki natijalarni tushuntirish zarur bo‘ladi.Tibbiy tashxis qo‘yish uchun model yaratilayotganda bemorning qon bosimi, yurak urishi va xolesterin darajasi kabi muhim ko‘rsatkichlar tanlanadi, lekin bemor ismi yoki telefon raqami kabi ahamiyatsiz ma'lumotlar chiqarib tashlanadi. Filtrlash usullari (Filter methods): Xususiyatlarning statistik xususiyatlari (masalan, korrelyatsiya yoki x2-test) asosida tanlanadi. O‘rash usullari (Wrapper methods): Modelning ishlashiga qarab xususiyatlar sinovdan o‘tkaziladi (masalan, Recursive Feature Elimination). Ichki usullar (Embedded methods): Model o‘qitish jarayonida xususiyatlarning ahamiyati aniqlanadi (masalan, LASSO yoki daraxt asosli algoritmlar). Xususiyatlar o‘zgartirish — bu xom ma'lumotlarni mashinaviy o‘qitish algoritmlari uchun mos shaklga keltirish yoki yangi, foydali xususiyatlar yaratish jarayonidir. Bu jarayon quyidagi afzalliklarni beradi: 143 ` Xom ma'lumotlar ko‘pincha algoritmlar uchun to‘g‘ridan-to‘g‘ri ishlatishga yaroqsiz bo‘ladi. Masalan, turli o‘lchov birliklaridagi xususiyatlarni normallashtirish yoki logarifmlash orqali ularni bir xil shkalaga keltirish mumkin. Yangi xususiyatlar yaratish orqali ma'lumotlar orasidagi muhim bog‘liqliklar aniqlanadi. Masalan, ikkita xususiyatning nisbati yoki kombinatsiyasi model uchun muhim bo‘lishi mumkin. Ba'zi algoritmlar, masalan, k-eng yaqin qo‘shnilar (k-NN) yoki gradient boosting, xususiyatlarning bir xil o‘lchovda bo‘lishini talab qiladi. Normallashtirish yoki standartlashtirish buni ta'minlaydi. Kategorik ma'lumotlar (masalan, "shahar" yoki "jins") raqamli shaklga o‘tkaziladi. Buning uchun one-hot encoding yoki label encoding kabi usullar qo‘llaniladi. Uy narxini bashorat qilish modelida xom xususiyatlar (uy maydoni, xonalar soni) asosida yangi xususiyat yaratish mumkin, masalan, "bir xonaga to‘g‘ri keladigan maydon" nisbati. Bu modelga qo‘shimcha ma'lumot beradi. Normallashtirish va standartlashtirish: Xususiyatlarni [0, 1] oralig‘iga yoki o‘rtacha 0 va dispersiya 1 ga keltirish. Kategorik kodlash: Kategorik ma'lumotlarni raqamli shaklga o‘tkazish. Yangi xususiyatlar yaratish: Mavjud xususiyatlardan matematik amallar yordamida yangi xususiyatlar hosil qilish. O‘lchovni o‘zgartirish: Logarifmlash yoki kvadrat ildiz olish kabi usullar bilan ma'lumotlar taqsimotini yaxshilash. Kredit berish xavfini bashorat qilish modelini ko‘rib chiqaylik. Xom ma'lumotlar to‘plamida quyidagi xususiyatlar mavjud: mijozning yoshi, daromadi, kredit tarixi, ish joyi, oilaviy holati va boshqalar. Xususiyatlar tanlovi: Mijozning ismi yoki telefon raqami kabi kredit qobiliyatiga ta'sir qilmaydigan xususiyatlar olib tashlanadi. Faqat daromad, kredit tarixi va qarz-yuklama nisbati kabi muhim xususiyatlar qoldiriladi. Xususiyatlar o‘zgartirish: Daromad va qarz miqdori normallashtiriladi, oilaviy holat one- hot encoding orqali raqamli shaklga o‘tkaziladi, shuningdek, "qarz-daromad nisbati" kabi yangi xususiyat yaratiladi. Natijada, model nafaqat tezroq o‘qitiladi, balki mijozlarning kredit xavfini aniqroq bashorat qiladi. Xususiyatlar tanlovi va o‘zgartirish mashinaviy o‘qitish loyihalarida muhim rol o‘ynaydi. Ular modelning samaradorligini oshiradi, hisoblash xarajatlarini kamayt
Доказательный фрагмент
«Mashinaviy o‘qitish (machine learning) loyihalarida ma'lumotlarni tayyorlash bosqichi muvaffaqiyatning asosiy omillaridan biridir.»
Образец извлечения
Демо-превьюMashinaviy o‘qitish (machine learning) loyihalarida ma'lumotlarni tayyorlash bosqichi muvaffaqiyatning asosiy omillaridan biridir. Полный текст публикации CiteX не хранит — доступ к первоисточнику открывается по DOI согласно лицензии издателя и выбранному плану.
- Цитирований
- 0
- Просмотров
- 0
- Тип
- Журнал
- Страна
- Узбекистан
- Ключевые слова
- umumlashtirish, xususiyatlar o‘zgartirish, feature selection, xususiyatlar tanlovi, yangi xususiyatlar yaratish, model aniqligi, mashinaviy o‘qitish, interpretatsiya, hisoblash xarajatlari, normallashtirish, ma'lumotlar tayyorlash, kategorik kodlash, ma'lumotlar sifati, haddan tashqari moslashuv, feature engineering
Смежные источники
Наука и технология в современном миреHamdamov Islom Akramovich2026
Международный журнал искусственного интеллектаFACTORS OF ECONOMICEFFICIENCY, Doctor of Philosophy2025
Медицина и инновацииМ Сабиров, О Скосырева +12021