Nazoratli va nazoratsiz o‘qitish

Mashinaviy o‘qitish (ML) — dasturga qoidalarni qo‘lda yozish o‘rniga, ularni ma’lumotlardan o‘rgatish yondashuvi. Tom Mitchell ta’rifiga ko‘ra, agar dasturning T vazifadagi natijasi (P o‘lchovi bilan baholanadi) E tajriba ortgani sari yaxshilansa, dastur o‘rganmoqda deyiladi. Masalan, spamni aniqlash vazifasida tajriba — yorliqlangan xatlar, o‘lchov esa to‘g‘ri aniqlangan xatlar ulushi.

Nazoratli o‘qitishda (supervised learning) har bir o‘quv namunasi javob (yorliq, label) bilan beriladi: model kirish x dan chiqish y ga o‘tish qoidasini o‘rganadi. Agar y diskret sinf bo‘lsa (spam yoki spam emas), vazifa tasniflash (classification), agar uzluksiz son bo‘lsa (uy narxi), regressiya deyiladi. Mashhur algoritmlar: chiziqli regressiya, logistik regressiya (nomiga qaramay, tasniflash algoritmi), qaror daraxtlari, tayanch vektorlar usuli (SVM) va k eng yaqin qo‘shni (k-NN).

Nazoratsiz o‘qitishda (unsupervised learning) javoblar berilmaydi: model ma’lumotdagi yashirin tuzilmani o‘zi topadi. Asosiy vazifalar: klasterlash (o‘xshash obyektlarni guruhlash, masalan, k-means yordamida mijozlarni segmentlash), o‘lchamni kamaytirish (PCA) va anomaliyalarni aniqlash. Natijani baholash qiyinroq, chunki to‘g‘ri javob yo‘q va xulosa ko‘pincha mutaxassis talqiniga tayanadi. Bulardan tashqari, yarim nazoratli o‘qitish (kam yorliqli, ko‘p yorliqsiz ma’lumot) va mustahkamlovchi o‘qitish (agent mukofot orqali o‘rganadi) ham mavjud.

Model sifati faqat o‘qitishda ko‘rilmagan ma’lumotlarda baholanadi, shuning uchun ma’lumotlar o‘quv va test to‘plamlariga (masalan, 80% va 20%) bo‘linadi. Model o‘quv ma’lumotlarini yodlab olib, yangi ma’lumotda yomon ishlasa, bu ortiqcha moslashuv (overfitting) deyiladi; juda sodda model esa yetarlicha moslashmaydi (underfitting). Ortiqcha moslashuvga qarshi ko‘proq ma’lumot, soddaroq model, regulyarizatsiya va kross-validatsiya qo‘llanadi.

Asosiy xulosalar

• Mashinaviy o‘qitish qoidalarni qo‘lda yozish o‘rniga ma’lumotlardan o‘rganadi.
• Nazoratli o‘qitishda yorliqli ma’lumotlar bor: tasniflash (diskret sinf) va regressiya (uzluksiz qiymat).
• Nazoratsiz o‘qitishda yorliq yo‘q: klasterlash, o‘lchamni kamaytirish va anomaliyalarni topish.
• Model sifati o‘qitishda ishlatilmagan test to‘plamida baholanadi.
• Ortiqcha moslashuv — modelning o‘quv ma’lumotlarini yodlab, yangi ma’lumotga umumlashtira olmasligi.