Nomidagi toshkent axborot texnologiyalari universiteti farg


Mashina oʻrganish musobaqalari uchun unumdorlikning .0001



Yüklə 159,33 Kb.
Pdf görüntüsü
səhifə4/5
tarix21.10.2023
ölçüsü159,33 Kb.
#130574
1   2   3   4   5
Mustaqil ishi

Mashina oʻrganish musobaqalari uchun unumdorlikning .0001 
ortishini tejang, chunki real dunyoda koʻpincha bu daqiqalar 
farqi muhim emas, chunki bizga soddaroq talqin qilinadigan 
modellar kerak. 

Mashina oʻrganish musobaqalari uchun unumdorlikning .0001 
ortishini tejang, chunki real dunyoda koʻpincha bu daqiqalar farqi 
muhim emas, chunki bizga soddaroq talqin qilinadigan modellar 
kerak.

Buni hisobga olib, keling, ishga kirishaylik. Ishlashni o'lchash uchun 


asosiy chiziqni olishingiz uchun oddiy tayanch modeldan boshlash 
har doim yaxshi.

Bizning ma'lumotlar to'plamimiz kichik bo'lgani uchun biz o'zaro 
tekshirishdan foydalanamiz va ishlash ko'rsatkichi uchun o'rtacha 
mutlaq xatolikdan foydalanamiz. Cross Validation bizning 
modelimizning haqiqiy ishlashini o'lchashga yordam beradi.

Quyida ko'rsatilgandek o'zaro faoliyat Validatsiya funksiyasini 
yaratamiz.
from sklearn.metrics import mean_absolute_error 
from sklearn.model_selection import KFold, 
cross_val_score 
# def get_mae(pred, target): 
# return mean_absolute_error(true, pred) 
def cross_validate(model, nfolds, feats, targets): 
score = -1 * (cross_val_score(model, feats, targets, 
cv=nfolds, scoring='neg_mean_absolute_error')) 
return np.mean(score) 
Tanlovni yig’ish va oldini olish. 
o
Katta hajmdagi ma'lumotlarda tegishli naqshlarni qanday ochish mumkin
Agar biz mashinalar odamlar kabi harakat qilishini 
va o'ylashini istasak, birinchi navbatda yurish va 
gapirishni qanday o'rganganimizga qarashimiz 
kerak. 


o
Agar biz mashinalar odamlar kabi harakat qilishini va o'ylashini 
istasak, birinchi navbatda yurish va gapirishni qanday 
o'rganganimizga qarashimiz kerak.
o
Javob, albatta, ma'lumotlar. Chaqaloqlar juda ko'p ma'lumotni 
(ma'lumotlarni) o'zlashtirib, o'xshashlik va naqshlarni aniqlash 
uchun ularni tahlil qilish orqali o'rganadilar.
o
ML-ni yoqishi mumkin bo'lgan biznes-jarayonlarni aniqlash 
haqidagi oldingi maqolamda men sizning qaysi jarayonlaringiz 
mashinani o'rganishdan foyda olishini qanday aniqlashni 
ko'rsatdim.
o
Mashinani o'rganishni yoqishning keyingi bosqichi 
ma'lumotlardir - chunki ma'lumotlarsiz mashinani o'rganish 
bo'lmaydi.

Yüklə 159,33 Kb.

Dostları ilə paylaş:
1   2   3   4   5




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

    Ana səhifə