GRADIENT BOOSTING (XGBOOST) VA TEGISHLILIK FUNKSIYALARIGA TAYANGAN STATISTIK KLASSIFIKATSIYA USULINING SOLISHTIRMA BAHOLANISHI

Ergasheva, Ma’mura

Муҳандислик ва Иқтисодиёт · 2026-yil

Annotatsiya

Mazkur tadqiqotda ikkilik klassifikatsiya masalasini yechishga mo‘ljallangan tegishlilik funksiyalariga asoslanganstatistik yondashuv (asosiy masala) batafsil ko‘rib chiqilgan bo‘lib, u XGBoost gradient boosting algoritmi bilansolishtirma tarzda baholangan. Asosiy masalada har bir xususiyat gradatsiyasining ma’lum bir sinfda kuzatilish chastotasihisobga olinib, obyektlarga unifikatsiyalangan baholar tayinlanadi. Sinov ishlari ikkita tabular ma’lumotlar to‘plamida amalgaoshirildi: aralash turdagi tibbiy belgilarga ega Heart Disease (Statlog) hamda faqat kategorik belgilardan tashkil topganMushroom dataseti. Olingan natijalar tahlili shuni namoyon etdiki, Heart datasetida asosiy masala XGBoost bilan deyarlibir xil aniqlikka erishgan (balanslangan aniqlik mos ravishda 0.850 va 0.853), biroq hisoblash vaqti bo‘yicha o‘nlab baravartezkorlik ustunligiga ega va overfitting hodisasiga sezilarli darajada chidamli. Shu bilan birga, aniq mantiqiy qoidalar bilantavsiflangan ma’lumotlarda (Mushroom) XGBoost algoritmi xatosiz natijaga erishishi aniqlandi.

Maqola ma’lumotlari
MualliflarErgasheva, Ma’mura
JurnalМуҳандислик ва Иқтисодиёт
Nashr sanasi2026-06-01
Jild4
Son6
TilO‘zbek

Kalit so‘zlar

tegishlilik funksiyasi, nochiziqli almashtirish, obyektlarning umumlashgan baholari, gradient boosting, XGBoost, overfitting, klassifikatsiya, tabular ma’lumotlar

Ilmiy soha

Муҳандислик ва Иқтисодиёт jurnalidan boshqa maqolalar

Муҳандислик ва Иқтисодиёт — barcha maqolalar