Python’da birinchi mashinaviy o‘qitish modeli

Mashinaviy o‘qitish murakkab tuyulishi mumkin, lekin oddiy modelni bir necha qator kod bilan yaratish mumkin. Bugun o‘quvchining dars tayyorlashga sarflagan soatlari asosida uning test balini bashorat qiluvchi model quramiz.

Masala

Bizda ma’lumot bor: o‘quvchi necha soat tayyorlangan va qancha ball olgan. Maqsad — yangi o‘quvchining tayyorlanish soatiga qarab balini taxmin qilish. Bu regressiya masalasi.

Kutubxonalarni o‘rnatish

1pip install scikit-learn numpy

Kod

1import numpy as np
2from sklearn.linear_model import LinearRegression
3
4# Tayyorlanish soatlari va olingan ballar
5soatlar = np.array([[1], [2], [3], [4], [5], [6], [7], [8]])
6ballar  = np.array([35, 45, 50, 60, 68, 75, 82, 90])
7
8model = LinearRegression()
9model.fit(soatlar, ballar)          # modelni o'qitish
10
11yangi = np.array([[4.5]])
12print("Bashorat:", round(model.predict(yangi)[0], 1))
13print("Har bir soat qo'shadi:", round(model.coef_[0], 1), "ball")

Nima sodir bo‘ldi?

1. Biz modelga o‘quv ma’lumotlarini berdik.
2. fit() metodi ma’lumotlarga eng mos keladigan to‘g‘ri chiziqni topdi.
3. predict() yangi qiymat uchun natijani hisobladi.

Model sifatini tekshirish

Haqiqiy loyihalarda ma’lumotlar o‘quv va test qismlariga ajratiladi. Model test ma’lumotlarida qanchalik aniq ishlashi uning haqiqiy sifatini ko‘rsatadi. Buning uchun train_test_split funksiyasi va r2_score kabi metrikalar ishlatiladi.

Keyingi qadamlar

• Klassifikatsiya: xatni “spam” yoki “spam emas” deb ajratish.
• Qaror daraxtlari va k-eng yaqin qo‘shnilar algoritmlari.
• pandas yordamida haqiqiy CSV ma’lumotlar bilan ishlash.

“Sun’iy intellekt asoslari” kursimizda bu mavzular bosqichma-bosqich o‘rgatiladi.

Xulosa

Mashinaviy o‘qitish — ma’lumotlardan qonuniyat topish. Oddiy chiziqli regressiyadan boshlab, siz SI’ning asosiy g‘oyalarini amalda tushunib olasiz.