O‘ZBEKISTON RESPUBLIKASI RAQAMLI
TEXNOLOGIYALAR VAZIRLIGI MUHAMMAD
AL-XORAZMIY NOMIDAGI TOSHKENT
AXBOROT TEXNOLOGIYALARI
UNIVERSITETI
SAMARQAND FILIALI
KIS 21-01 – guruh talabasi
Bajardi : Abduazizov Jasurbek
Samaerqand__ 2025
Movzu:| Mashinali o‘qitishning asosiy tushunchalarini
tushuntirish uchun oddiy misollarni yaratish
Maqsad:
Ushbu amaliy ishda mashinali o‘qitishning asosiy tushunchalarini oddiy misollar orqali
tushuntirish va amaliy qo‘llash.
Kerakli vositalar:


Python dasturlash tili
NumPy va Scikit-learn kutubxonalari
1. Ma'lumotlar to‘plash va tayyorlash
Mashinali o‘qitishda avvalo ma'lumotlar kerak bo‘ladi. Quyidagi oddiy ma'lumotlar to‘plamini
yaratamiz:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
# Sun'iy ma'lumotlar yaratish
X = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]).reshape(-1, 1)
y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])
# Ma'lumotlarni o‘qitish va testga ajratish
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,
random_state=42)
2. Model tanlash va o‘qitish
Mashinali o‘qitishning asosiy modellari regression, klassifikatsiya va klasterlashdir. Biz oddiy
chiziqli regression modelidan foydalanamiz:
# Model yaratish
model = LinearRegression()
# Modelni o‘qitish
model.fit(X_train, y_train)
3. Bashorat qilish
O‘qitilgan model yordamida yangi ma'lumotlar uchun bashorat qilamiz:
# Bashorat qilish
predictions = model.predict(X_test)
# Natijalarni chiqarish
print("Asl qiymatlar:", y_test)
print("Bashoratlar:", predictions)
4. Natijalarni vizualizatsiya qilish
plt.scatter(X, y, color='blue', label='Asl ma'lumotlar')
plt.plot(X, model.predict(X), color='red', label='Chiziqli regressiya')
plt.xlabel("X")
plt.ylabel("y")
plt.legend()
plt.show()
5. Xulosa



Ma'lumotlar to‘plami yaratildi.
Model tanlandi va o‘qitildi.
Bashorat qilindi va natijalar vizualizatsiya qilindi.