Добавил:
bekan
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:11-ameliy_I_ES
.pdf
11-Ámeliy jumıs. Regressiya algoritmleri
Jumıstıń maqseti: Studentlerge jasalma intellekt hám maǵlıwmatlardı
analizlewde regressiya analiziniń mánisin túsindiriw. Kiris maǵlıwmatları
(argumentler) hám shıǵıs mánisleri (funkciya) arasındaǵı matematikalıq
baylanıstı tabıw, prognozlaw modellerin dúziw hám ámeliyatta sızıqlı
regressiya algoritmin realizaciyalaw kónlikpelerin qáliplestiriw.
Teoriyalıq bólim: Regressiya — bul statistikalıq hám mashinalıq oqıtıw usılı
bolıp, ol ózgeriwshiler arasındaǵı baylanıstı anıqlaw ushın qollanıladı.
Klassifikaciyadan parqı sonday, regressiya algoritmi anıq bir klastı emes, al
úzliksiz sanlı mánisti (mısalı: baha, temperatura, waqıt) prognozlaydı.
Sızıqlı regressiya (Linear Regression). Eń ápiwayı regressiya modeli bolıp,
ol eki ózgeriwshi arasındaǵı baylanıstı tuwrı sızıq járdeminde súwretleydi.
Onıń matematikalıq modeli:
y = ax + b
Bunda:
y: Prognozlanatuǵın mánis (Gárezli ózgeriwshi).
x: Kiris maǵlıwmatı (Gárezsiz ózgeriwshi).
a: Sızıqtıń qıysıqlıq koefficienti (awırlıq).
b: Bos aǵza (shift).
Modeldiń sapasın bahalaw. Regressiya modeliniń anıqlıǵın tekseriw ushın
kóbinese Ortasha kvadratlıq qáte (Mean Squared Error - MSE) qollanıladı.
Qáte qanshelli kishi bolsa, prognoz sonshelli anıq esaplanadı.
Máseleniń qoyılıwı
Ámeliy sabaq dawamında studentler:
1. Berilgen sanlı maǵlıwmatlar jıynaǵı (dataset) tiykarında anıqlawı.
2. Gárezsiz ózgeriwshilerdiń nátiyjege tásir etiw shınjırın dúziwi.
3. Python tilinde ápiwayı prognozlaw algoritmin iske qosıwı kerek.
Ámeliy bólim: Prognozlaw basqıshları
Regressiya modelin iske qosıw tómendegi logikalıq adımlardan ibarat:
1-qádem: Maǵlıwmatlardı jıynaw hám keste túrine keltiriw.
2-qádem: Argument (x) hám Funkciya (y) mánislerin anıqlaw.
3-qádem: Regressiya koefficientlerin (a hám b) esaplaw.
4-qádem: Jańa kiris maǵlıwmatı ushın nátiyjeni prognozlaw.
Ámeliy mısallar
1-mısal: Úy bahasın prognozlaw
Faktler: Úydiń maydanı (kv.m) artsa, onıń bahası da artadı.
x (Maydan): 50, 70, 100.
y (Baha): 200 mln, 280 mln, 400 mln.
Logika: 1 kv.m maydan ortasha 4 mln sum ekenin anıqlap, 80 kv.m úy bahasın
prognozlaw.
2-mısal: Studenttiń ózlestiriwi
x (Sabaqqa tayarlanǵan saat): 2, 4, 6, 8.
y (Imtixan ballı): 50, 65, 80, 95.
Sheshim: Saat sanı artqan sayın ballı sızıqlı túrde ósip barmaqta.
3-mısal: Python tilinde ápiwayı sızıqlı regressiya modeli
Python
# Ápiwayı sızıqlı regressiya realizaciyası
def simple_regression_prediction():
print("--- Tájiriybe boyınsha aylıq prognozlax --
-")
# 1. Maǵlıwmatlar (Tájiriybe jıllarda : Aylıq
USDda)
# y = 200 * x + 500 (shártli formula)
experience = [1, 2, 3, 4, 5]
salary = [700, 900, 1100, 1300, 1500]
# 2. Model koefficientlerin esaplaw
(ápiwayılastırılǵan usıl)
# y = a*x + b
a = 200 # Har bir jıl ushın qosımsha baha
b = 500 # Baslanǵısh aylıq
# 3. Prognozlaw shınjırı
user_exp = int(input("Jumıs stajıńızdı kiritiń
(jıl): "))
predicted_salary = a * user_exp + b
return predicted_salary
# Sistemani iske qosıw
result = simple_regression_prediction()
print(f"Siziń kútilip atırǵan aylıǵıńız: {result}
USD")
3-mısal ushın metodikalıq kórsetpe:
Logikalıq analiz: Regressiya modeli obyektlerdi klasslarǵa ajıratpaydı,
al matematikalıq baylanıs tiykarında jańa sanlı mánisti esaplap shıǵaradı.
Tájiriybe: Formulaǵa b (baslanǵısh baha) mánisin ózgertip qosıń hám
bul prognozǵa qalay tásir etiwiniń baqlań.
Ámeliy tapsırmalar
Tapsırma 1. "Elektroenergiya sarpı"
Máselesi: Úydegi qurılmalar sanı hám aylıq tok sarpı arasındaǵı baylanıstı
kórsetiń.
Talap: 3, 5, 8 qurılma ushın keste dúziń hám sızıqlı modeliniń formulasın
jazıń.
Tapsırma 2. "Avtomobil janarmay sarpı"
Máselesi: Mashina tezligi hám janarmay sarpı (litr/100km).
Talap: Tezlik artqan sayın sarp qalay ózgeriwiniń sızıqlı grafikasın (qaǵazda)
sızıń.
Tapsırma 3. "Dukan satıw prognozı"
Máselesi: Reklamaǵa sarplanǵan aqsha hám satılǵan tovarlar sanı.
Talap: Python tilinde reklamaga 1000$ sarplanǵanda qansha tovar satılıwın
esaplawshı kishi kod jazıń.
Tapsırma 4. "Hawa temperaturası hám muzqaymaq satılıwı"
Máselesi: Temperatura +25, +30, +35 gradus bolǵandaǵı satıw muǵdarı.
Talap: Regressiya modelindegi "a" hám "b" koefficientlerin anıqlawshı
logikalıq shınjır dúziń.
Tapsırma 5. "Kofe dukanı: Kútis waqtı"
Máselesi: Náwbettegi adamlar sanı hám kofe tayar bolıw waqtı.
Talap: 10 adam bolǵanda neshe minut kútiw kerek ekenin prognozlawshı
model dúziń.
BAQLAW SORAWLARÍ
1. Regressiya algoritminiń klassifikaciyadan tiykarǵı parqı nede?
2. Sızıqlı regressiyanıń matematikalıq formulasındagı "a" hám "b" mánisleri
neni ańlatadı?
3. Ortasha kvadratlıq qáte (MSE) ne ushın kerek?
4. Qanday jaǵdaylarda regressiya modeli durıs prognoz bere almaydı?
5. Gárezli hám gárezsiz ózgeriwshilerge 3-ten mısal keltiriń.
Соседние файлы в предмете Интеллектуальные системы