ПРОБЛЕМА КЛАССИФИКАЦИИ В МАШИННОМ ОБУЧЕНИИ И АНАЛИЗ ЕГО АЛГОРИТМОВ

Аннотация

The article provides information on the main concepts related to MIT (intelligent data analysis), i.e., the issue of classification in machine learning, the areas of application of classification algorithms, as well as the application of the problem in practice. Key words: symbols, classification, machine learning, deep learning. ПРОБЛЕМА КЛАССИФИКАЦИИ В МАШИННОМ ОБУЧЕНИИ И АНАЛИЗ ЕГО АЛГОРИТМОВ Аннотация. В статье представлена информация об основных понятиях, связанных с MIT (интеллектуальным анализом данных), то есть классификации в машинном обучении, областях применения алгоритмов классификации, а также применении проблемы на практике. Ключевые слова: символы, классификация, машинное обучение, глубокое обучение. Ҳозирги кунда ахборот ҳажмининг ошиши, яъни турли маълумотларнинг мажмуасидан (DataSet, BigData) қарорлар қабул қилиш ёки фойдали ҳисоботларни қабул қилишда маълумотларнинг интеллектуал таҳлили ёки Data Mining фан соҳаси пайдо бўлди. Data Mining таркибига сунъий интеллект (Artificial Intelligence – AI), машинали ўқитиш (ML – Machine Learning), тимсолларни таниш, маълумотлар базаси назарияси, статистика, алгоритмлаштириш ва компьютер кўриш каби бўлимлардан иборат. Сунъий 63 интеллект муайян вазифаларни бажаришда инсон хатти-ҳаракатига тақлид қилишга қодир бўлган тизим ёки технология бўлиб, олинган маълумотлардан фойдаланиб аста-секин мукаммаллашиб боради. Сунъий интеллект формат ҳам, функция ҳам эмас, балки бу жараён бўлиб, маълумотларни йиғиш, таҳлил қилиш кабиларни ўз ичига олади. Машинали ўқитиш асосан таснифлаш, класстерлаш ва нейрон тармоқлари масалаларини қамраб олади. Бизга шундай параметр кўрсаткичлари турлича бўлган объектлар тўплами берилган ва бу объектлар бирор хусусиятлари бўйича чекли синфларга ажратилган бўлсин. Бу чекли объектлар тўплами ўқув танлама деб аталади. Қолган ёки янги аниқланган объектларнинг мавжуд синфларга тегишлилиги номаълум бўлсин. Демак, дастлабки берилган танланмадан ихтиёрий объектни таснифлаш имкониятига эга алгоритмни қуриш талаб қилинади. Бу ерда объектни таснифлаш деганда берилган объектга тегишли бўлган синф рақамини (ёки номи) кўрсатиш тушунилади. Агар машинали ўқитиш масаласини ҳал қилиш ўқитувчи ёрдамида амалга оширилса, яъни янги объектнинг мавжуд синфларга тегишли эканлигини аниқлаш бу таснифлаш масаласи дейилади. Шунингдек машинали ўқитишда ўқитувчисиз ўқитиш ҳам мумкин. Мазкур ҳолда ўқув танланма объектларнинг синфларга бўлиниши белгиланмаган ва объектларни фақат бир-бирига ўхшашлиги асосида таснифлаш талаб этилади. Бундай ҳолда таснифлаш кластерлаш масаласи деб аталади. Берилган объектлар маълум бир хусусиятлар бўйича тавсифланиб, ушбу белгиланган хусусиятлар тўпламининг қийматлари тузилган вектор объект белгилари ҳисобланади. 𝑋 объектлар тўплами (вазиятлар, прецедентлар) бўлсин. Объект - бу предмет соҳасининг ўзига хос хусусиятлари билан белгиланади. Масалан, тиббий диагностика масалаларида объектлар беморлар ҳисобланади. Белги - объектнинг баъзи хусусиятларини ўлчаш натижаси ҳисобланади. Белгилар 𝑓:𝑋 → 𝐷 кўринишда берилган бўлсин. Бу эрда 𝐷 қийматлар тўплами. Ушбу тўплам 𝑓 𝑓 характерига нисбатан белгилар қуйидаги турларга бўлинади: бинар: 𝐷 = {0,1}; номинал: 𝑓 𝐷 – чекли тўплам; тартибланган: 𝐷 – чекли тартибли тўплам; миқдорий: 𝐷 = ℝ. 𝑓 𝑓 𝑓 Белгилар тўплами 𝑓 ,𝑓 ,𝑓 ,…,𝑓 . Берилган 𝑥 = (𝑓 (𝑥),𝑓 (𝑥),…,𝑓 (𝑥)) вектор 1 2 3 𝑛 1 2 𝑛 объектнинг белгилари (𝑥 ∈ 𝑋). Машинани ўқитишда объект ва унинг белгилар орасида ҳеч қандай фарқ йўқ. Шу сабабли 𝑋 = 𝐷 ,𝐷 ,…,𝐷 бўлади. 𝑓1 𝑓2 𝑓𝑛 64 Ўқув танланмадаги барча объектларнинг белгилар тўплами 𝑋ℓ = (𝑥 ,…,𝑥 ) 1 ℓ кўринишида ифодаланади. ℓ×𝑛 жадвал шаклида ёзилган белги объект Матрицааси ёки киритилган маълумотлар Матрицааси дейилади: 𝑓 (𝑥 ),…,𝑓 (𝑥 ) 𝐹 = (𝑓(𝑥 )) = ( 1 1 𝑛 1 ). 𝑗 𝑖 𝑓 (𝑥 ),…,𝑓 (𝑥 ) ℓ×𝑛 1 ℓ 𝑛 ℓ Матрицаанинг қаторлари – бу объектнинг ўқув танланмалари. Матрицанинг устунлари эса объект белгиларини ифодалайди. Ma’ lumot- Belgilarni Modellarni Natijani larni olish yaratish yaratish o‘lshash Haqiqiy jarayonda Natija yo ‘q ha tekshirib qoniqaрli ko‘rish ML-моделини яратиш жараёни. Машинали ўқитишда таснифлаш масалалари маълум бир маълумотлар тўпламини икки ёки ундан ортиқ гуруҳларга ажратиш вазифаларни ўз ичига олади. Масалан, инсонда касаллик борлиги («Ҳа» ёки «Йўқ») ҳақидаги савол, буюмни ҳозир онлайн порталдан сотиб олиш ёки максимал чегирмага эга бўлиш учун бир неча ой кутиш, машина сотиб олишни режалаштиришда бюджетни ҳисобга олиш вариантларидан қайси бири энг яхшиси эканлигини аниқлаш каби масалаларни таснифлаш масаласи деб аташ мумкин. Таснифлаш масалалари икки турга бўлинади: бинар ва мултиномиал. Бинар тасниф маълумотларни иккита синфга ажратади, масалан, Ҳа/Йўқ, Яхши/Ёмон, Юқори/Паст, муайян касал/соғлом ва ҳоказо. Мултиномиал тасниф: маълумотларни уч ёки ундан ортиқ синфларга таснифлайди (ҳужжат таснифи, маҳсулот тоифалари, зарарли дастурлар). Юқорида айтиб ўтилган ҳар иккала турдаги масалаларда маълумотларни таснифлаш нуқтаи назаридан қуйидаги ёндашувлардан бири қўлланилади:  Маълумотлар тоифалар