Page 144
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
SUN’IY INTELLEKTDA ODDIY CHIZIQLI REGRESSIYA
ALGORITMI
Ergashev Sirojiddin
Mirzo Ulug‘bek nomidagi O‘zbekiston Milliy
universiteti Jizzax filiali Amaliy matematika fakulteti, Axborot
tizimlari va texnologiyalari kafedrasi katta o‘qituvchi
0000-0003-0683-4228
s.b.ergashev@gmail.com
Tel:+998942002021
https://doi.org/10.5281/zenodo.15621170
ARTICLE INFO
ABSTRACT
Qabul qilindi: 25-May 2025 yil
Ma’qullandi: 28- May 2025 yil
Nashr qilindi: 31-May 2025 yil
Maqolada sun’iy intellektning mashinani o‘qitish
sohasida keng qo‘llaniladigan chiziqli regressiya
algoritmining nazariy va amaliy jihatlari tahlil qilingan.
Oddiy chiziqli regressiya modeli va uning tenglamasi
haqida
batafsil
ma’lumot
beradi.
Shuningdek
talabalarning darsga qatnashish foizi va ballari
o‘rtasidagi bog‘liqlik tahlil qilingan. Python dasturlash
tilida qurilgan regressiya modeli asosida davomatning
ballga ta’siri statistik va vizual grafik ko‘rinishda
baholash imkoniyatini ko‘rsatadi.
KEYWORDS
Sun’iy
intellekt,
chiziqli
regressiya,
oddiy
chiziqli
regressiya, regressiya tahlili,
python dasturlash, ma’lumotlar
tahlili, machine learning, data
science,
bashorat
modeli,
vizualizatsiya.
Kirish
Regressiyani o‘rganish deyarli har bir sohada dolzarb savollarga javob berishning eng
yaxshi texnikasi hisoblanadi, bu biron bir tajriba sinov taxlillari, sabab-oqibat xulosalari va
prognozlash kabi ko‘plab turdagi ma’lumotlarni vizual tarzda chuqurroq tushunish
imkoniyatini yaratadi.
Sun’iy intellektning mashinani o‘qitish sohasida chiziqli regressiya algoritmi keng
qo‘llaniladi [3]. Chiziqli regressiya nazorat ostida o‘qitish algoritmi bo‘lib asosan bashorat
qilish va ma’lumotlar orasidagi bog‘liqlikni aniqlash va taxlil qilish uchun qo‘llaniladi. Chiziqli
regressiya bashoratli tahlil uchun ishlatiladigan statistik usul bo‘lib, o‘zgaruvchilar o‘rtasidagi
munosabatlarni ko‘rsatadi.
Chiziqli regressiya turlari
Chiziqli regressiyaning uchta asosiy turi mavjud:
1.
Oddiy chiziqli regressiya.
2.
Ko‘p chiziqli regressiya.
3.
Chiziqli bo‘lmagan regressiya.
Ushbu uchta asosiy toifadan tashqari, ko‘plab o‘ziga xos chiziqli regressiya usullari
mavjud ulardan bazilari quyidagilar:
Lasso regressiyasi.
Logistik regressiya.
Ordinal regressiya.
Page 145
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
Polinomli regressiya.
Kvantil regressiya.
Ridge regressiyasi.
Ushbu usullarning har birini aniq bir yondashuvdagi turli vazifalar yoki ma’lumotlarni
tahlil qilish maqsadlarida qo‘llash mumkin [1], [5]. Chiziqli regressiyaning yuqorida
keltirilgan turlari haqida boshqa ilmiy tadqiqotlarimda yoritaman. Ushbu maqolada asosan
oddiy chiziqli regressiya haqidagi taxlillar yoritiladi.
Mustaqil o‘zgaruvchi
𝒙
o‘qi va bog‘liq o‘zgaruvchi
𝒚
o‘qi o‘rtasidagi chiziqli
munosabatlarni ko’rsatuvchi natijalar chiziqli regressiya deb ataladi. Agar kirish o‘zgaruvchisi
bitta bo‘lsa, bunday chiziqli regressiyani oddiy chiziqli regressiya deb ataladi. Agar bir nechta
kirish o'zgaruvchilari bo‘lsa, uni ko‘p chiziqli regressiya deb ataymiz. Chiziqli regressiya
modeli o‘zgaruvchilar orasidagi munosabatlarni tavsiflovchi to‘g‘ri chiziqni beradi.
Oddiy chiziqli regressiya
Agar chiziqli regressiya modeli faqat bitta mustaqil o‘zgaruvchidan iborat bo‘lsa,
bunday model odatda oddiy chiziqli regressiya modeli deb ataladi. Oddiy chiziqli regressiya
ikkita uzluksiz o‘zgaruvchilar o‘rtasidagi munosabatlarni modellashtirish uchun ishlatiladi.
Oddiy chiziqli regressiya ma’lumotlar nuqtalarini ikkita o‘zgaruvchining grafigiga to‘g‘ri chiziq
bilan taqqoslaydigan funksiyani topadi.
Oddiy chiziqli regressiya tenglamasi
𝒚 = 𝒌𝒙 + 𝒃
Bu yerga
𝒚 =
bog‘liq o‘zgaruvchi.
𝒙 =
mustaqil o‘zgaruvchi.
𝒌
- chiziqning qiyaligi
𝒃
- kesma
Mustaqil o‘zgaruvchi (
x
) boshqa o‘zgaruvchilarning o‘zgarishiga qaramay, o‘zgarishsiz
qoladi [5]. Bog‘liq o‘zgaruvchi (
y
) mustaqil o‘zgaruvchining (
x
) o‘zgarishi bilan o‘zgaradi (2-
rasm). Chiziqli regressiya savdo, ish haqi, yosh, mahsulot narxi va shu kabi boshqa raqamli
o‘zgaruvchilar o‘rtasidagi matematik munosabatlarni simulyatsiya qiladi.
Page 146
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
1-rasm. Chiziqli regressiyada o‘zgaruvchilar va uning xususiyatlari.
Data science kontekstida siz ushbu tenglamani quyidagicha ko‘rishingiz mumkin:
𝒚 = 𝒃
𝟎
+ 𝒃
𝟏
𝒙
Bu yerga
𝒃
𝟎
= to‘g‘ri chiziqning boshlang‘ich nuqtasi.
𝒃
𝟏
= qiyalik.
𝒃
𝟎
va
𝒃
𝟏
belgilari bizga
𝒚
o‘qi bo‘yicha bashorat qilayotgan vaziyatni tushunishga
yordam beradi, shuning uchun
𝐲̂
ko‘rinishida belgilanadi, chunki regressiya chizig‘ini barcha
nuqtalardan o‘tishi kutilmaydi [2], [6].
Quyidagi vizualizatsiya chiziqning kesishish shakli chap va o‘ngdagi regressiya
tenglamasi o‘rtasidagi kontseptual farqni ko‘rsatadi. Chiziqli tenglamalar tizimining quyidagi
ma’lum ikki tenglamadan tashqari yana o‘ttiz yoki undan ko‘p tenglamalar borligi uchun aniq
yechim topilishi kutilmaydi.
𝒚 = 𝒌𝒙 + 𝒃 ⟶ 𝒚 = 𝒃
𝟎
+ 𝒃
𝟏
𝒙
Page 147
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
2-rasm. Qiya kesishish shakliga nisbatan chiziqli regressiya tenglamasi (natija).
Oddiy chiziqli regressiyaning maqsadi mustaqil o‘zgaruvchiga asoslangan bog‘liq
(
qaram
) o‘zgaruvchining qiymatini taxmin qilishdir. Mustaqil o‘zgaruvchi va bog‘liq (
qaram
)
o‘zgaruvchi o‘rtasidagi chiziqli bog‘liqlik qanchalik ko‘p bo‘lsa, bashorat shunchalik aniq
bo‘ladi. Bu mustaqil o‘zgaruvchi bilan berilgan bog‘liq (
qaram
) o‘zgaruvchining dispersiya
ulushi qancha ko‘p bo‘lsa, bashorat shunchalik aniq bo‘ladi. O‘zgaruvchilar o‘rtasidagi
bog‘liqlik tarqalish chizmasini vizual ravishda ko‘rish mumkin. Bog‘liq va mustaqil
o‘zgaruvchilar o‘rtasidagi chiziqli munosabatlar qanchalik ko‘p bo‘lsa, ma’lumotlar
nuqtalarining to‘g‘ri chiziq bo‘ylab yotishi shunchalik ko‘p bo‘ladi.
Oddiy chiziqli regressiyaning vazifasi bog‘liq va mustaqil o‘zgaruvchilar o‘rtasidagi
chiziqli munosabatlarning eng yaxshi tavsiflovchi to‘g‘ri chiziqni aniqlashdir. Chiziqli
regressiya tahlilida ma’lumotlarning tarqalish yo‘nalishi bo‘ylab to‘g‘ri chiziq chiziladi. Ushbu
to‘g‘ri chiziqni qaysi yo‘nalish bo‘ylab chizishni aniqlash uchun chiziqli regressiya eng kichik
kvadratlar usulidan foydalanadi.
3-rasm.
Ma’lumotlar nuqtalari to‘g‘ri chiziqda yotishi yoki yotmasligining vizual ko‘rinishi
(
Korrelatsiya).
Usul
Chiziqli regressiya usulini yaxshiroq tushinish uchun universitet talabalarining
laboratoriya topshiriqlari, oraliq, yakuniy imtihonlaridan olingan umumiy baholari va
Page 148
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
davomatiga oid tajribaviy tahlil ishlari olib borildi. Bu tahlildan asosiy maqsad talabaning
davomati bilan yakuniy imtihon balli o‘rtasida mutanosiblikni aniqlash. Universitetdan 30
nafar talabadan iborat ikkita guruh tanlab olindi. Guruhlarning birinchi toifasi universitetning
sirtqi ta’limida, ikkinchi toifasi esa kunduzgi ta’limda o‘qitiladi. Ushbu ikki guruh
talabalarining bir simestr davomida yakuniy nazoratdan to‘plagan balli, davomati va jinsi
haqidagi ma’lumotlar to‘plandi. Ushbu ma’lumotlar regressiya taxlillari uchun (
data set
) yani
ma’lumotlar to‘plami vazifasini bajaradi. Chunki kerakli tartibdagi ma’lumotlarsiz regressiya
taxlillarni amalga oshirib bo‘lmaydi. To‘plangan ma’lumtlar jadval ko‘rinishida yoritiladi.
Tajribada 60 nafar talabalardan iborat bo‘lib, ular ikki guruhga ajratildi va xar bir
guruh tarkibida 30 nafar talaba qatnashadi. Ma’lumotlar jadvalining tarkibi quyidagi
ustunlardan iborat: Tartib raqamlar, ism familiya, davomat (%), ball (100 ballik), jinsi.
1-guruh sirtqi ta’limda o‘qiydigan talabalar haqidagi ma’lumotlar. 1-jadval.
№
Ism Familiya
Davomat (%)
Ball
Toifa
1
Sevara Er…va
100
92
Ayol
2
Kamron Al…v
98
64
Erkak
3
Barno Ma…va
99
65
Ayol
4
Sardor Qu…v
100
73
Erkak
5
Shahzoda El…va
94
71
Ayol
6
Ulug‘bek Na…v
83
64
Erkak
7
Dildora Xa…va
91
66
Ayol
8
Xurshid Zi…v
89
64
Erkak
9
Shaxzod Ru…ev
87
61
Erkak
10
Shahriyor N…ov
84
65
Erkak
11
Maftuna Sa…va
82
63
Ayol
12
Robiya Zo…va
81
60
Ayol
13
Muhammadali Od…ov
80
60
Erkak
14
Komilbek Ma…v
69
42
Erkak
15
Nilufar Ti…va
78
63
Ayol
16
Behruz Ra…ov
77
61
Erkak
17
Shavkat To…ov
76
65
Erkak
18
Dilnoza No…va
74
69
Ayol
19
Temur Yo…ev
73
64
Erkak
20
Zafar Xo…ev
72
60
Erkak
21
Doston Ra…ov
70
62
Erkak
22
Zarnigor Tu…va
69
63
Ayol
23
Oybek Ha…ov
68
64
Erkak
24
Sherali Ab…ov
67
62
Erkak
25
Farhod Ab…ov
66
60
Erkak
26
Jasurbek Ub…ev
15
22
Erkak
27
To‘lqin Er…ev
64
80
Erkak
28
Mohira Yu…va
63
60
Ayol
29
Iskandar Um…ov
10
14
Erkak
30
Laylo Ab…va
60
51
Ayol
2-guruh kunduzgi ta’limda o‘qiydigan talabalar haqidagi ma’lumotlar. 2-jadval.
Page 149
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
№
Ism Familya
Davomat (%)
Ball
Toifa
1
Jamshid Al…ev
100
95
Erkak
2
Nargiza Ka…va
98
79
Ayol
3
Doston Ra…ov
97
90
Erkak
4
Aziz Ma…ov
95
75
Erkak
5
Ulug‘bek Sha…ov
93
73
Erkak
6
Ibrohim To…ov
91
77
Erkak
7
Odil Ra…ov
100
91
Erkak
8
Gulbahor Esh…va
89
76
Ayol
9
Ilhom Us…ov
87
71
Erkak
10
Dilnoza Xo…va
90
69
Ayol
11
Shaxboz Qo…ov
85
65
Erkak
12
Bekzod Jo…ev
83
63
Erkak
13
Daler Zi…ov
80
60
Erkak
14
Zilola So…va
71
58
Ayol
15
Shohruh O‘r…ev
88
62
Erkak
16
Jasur Ka…ov
86
65
Erkak
17
Ixtiyor Xo…ev
84
69
Erkak
18
Islombek No…ov
92
67
Erkak
19
Otabek Sa…ev
78
53
Erkak
20
Sirojiddin Ah…ov
36
27
Erkak
21
Zokir Eg…ev
95
91
Erkak
22
Dildora Sa…va
100
93
Ayol
23
Rustam Az…ov
98
90
Erkak
24
Sardor Ja…ov
100
96
Erkak
25
Shohruh Yo…ev
99
87
Erkak
26
Murod Xu…ev
96
80
Erkak
27
Muhlisa No…va
100
82
Ayol
28
Azizbek Ma…ov
90
79
Erkak
29
Sarvar To…ov
88
77
Erkak
30
Mohira Fa…va
86
70
Ayol
100 ballik tizimda baholar 4 toifaga bo‘lindi: a’lo (100-90), o‘rta (80-70), qoniqarli (70-
60) va yiqilganlar (60-0).
Tadqiqotlardan olingan ma’lumotlar asosida python dasturlash tilida regressiya
tahlilini amalga oshiradigan bo‘lsak bizga avvalo kutubxonalar kerak bo‘ladi.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
Keyingi bosqichda yuqoridagi ma’lumotlar asosida talabalarning davomati va
yakuniydan olgan ballari bo‘yicha kerakli massivlarni yaratib olamiz.
# Davomat va Ball ma'lumotlari
davomat = np.array([
100, 98, 97, 95, 93, 91, 100, 89, 87, 90,
85, 83, 80, 71, 88, 86, 84, 92, 78, 36,
Page 150
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
95, 100, 98, 100, 99, 96, 100, 90, 88, 86
]).reshape(-1, 1)
ball = np.array([
95, 79, 90, 75, 73, 77, 91, 76, 71, 69,
65, 63, 60, 58, 62, 65, 69, 67, 53, 27,
91, 93, 90, 96, 87, 80, 82, 79, 77, 70
])
Shu tartibda berilgan ma’lumotlar asosida ikkala guruhning massivlari tuzib chiqiladi.
Regressiya modeli uchun yuqoridagi ma’lumotlar asosida model xususiyatlari beriladi.
# Regressiya modelini qurish
model = LinearRegression()
model.fit(davomat, ball)
Keyingi bosqich natijalarni chiqarish qismi.
# Natijalar
a = model.coef_[0]
b = model.intercept_
print(f"Chiziqli regressiya tenglamasi: Ball = {a:.2f} * Davomat + {b:.2f}")
Oxirgi bosqich natijalarning vizual grafigini chizish.
# Grafik
plt.scatter(davomat, ball, color='blue', label='Haqiqiy ballar')
plt.plot(davomat, model.predict(davomat), color='red', label='Chiziqli regressiya')
plt.xlabel("Davomat (%)")
plt.ylabel("Ball")
plt.title("Davomat va Imtihon Ballari o‘rtasidagi bog‘liqlik")
plt.legend()
plt.grid(True)
plt.show()
Pythonda jarayonlar ketma ketligi shulardan iborat. Oddiy chiziqli regressiya
tahlillarining vizualizatsiya natijalari 1 va 2 -rasmlarda keltirildi.
Natija
Universitet talabalarining laboratoriya topshiriqlari, oraliq, yakuniy imtihonlaridan
olingan umumiy baholari va davomatiga oid tahlil natijalri quyidagi natijarni beradi.
Oddiy chiziqli regressiya grafigi
Page 151
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
Talabalar imtihon natijalari va yakuniy baholari orasidagi bog‘liqlik chiziqli
regressiyada asosida vizuallashtirildi (1-rasm, 2-rasm). Grafik xususiyatlari:
X
o‘qida: Imtihon ballari
Y
o‘qida: Yakuniy baholar
Nuqtalar
:
Talabalar ma’lumotlari
Chiziq
:
Chiziqli regressiya bashorati
Ushbu grafikdan ko‘rinib turibdiki, talabalar davomati va
(laboratoriya topshiriqlari,
oraliq va yakuniy imtihonlaridan olingan)
umumiy ball natijalari chiziqli regressiya modeliga
mos tushmoqda. Demak olingan regressiya tahlillari bo‘yicha quydagi natijalarni ko
‘rishimiz
mumkin.
4-rasm. Sirtqi ta’limda o‘qiydigan talabalarning chiziqli regressiya bo‘yicha
taxlil natijalari ballari va davomatlari bo‘yicha (natija).
1-guruh ballari bo‘yicha taqsimot. 3-jadval.
ar oralig‘i
a’lo
o‘rta
qoniqarli
yiqilgan
Jami
-
30 ta
100%
Page 152
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
5-rasm. 1-guruh ballari bo‘yicha taqsmoti.
Sirtqi ta’lim tahliliy bayonotiga ko‘ra universitetda eng
yuqori ball to‘plagan talabalar
soni 3%, o‘rta ball to‘plaganlar 10%, past ball to‘plaganlar 77% va yiqilganlar - 10% ni tashkil
qiladi. Ko‘rib turganingizdek bu yerda 77% talabalari past ball to‘plagan.
6-rasm. Kunduzgi ta’limda o’qiydigan talabalarning chiziqli regressiya bo‘yicha
taxlil natijalari ballari va davomatlari bo‘yicha.
2-guruh ballar bo‘yicha taqsimot. 4-jadval.
Ball oralig‘i
a’lo
o‘rta
qoniqarli
yiqilgan
Jami
-
30 ta
100%
Page 153
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
7-rasm. 2-guruh ballari bo‘yicha taqsimoti.
Kunduzgi ta’lim tahliliy bayonotiga ko‘ra universitetda eng
yuqori ball to‘plagan
talabalar soni 23%, o‘rta ball to‘plaganlar 40%, past ball to‘plaganlar 26% va yiqilganlar -
10% ni tashkil qiladi. Ko‘rib turganingizdek bu yerda 40% talabalari o‘rta ball to‘plagan.
8-rasm. 1-guruh va 2- guruh ballari va davomatlari bo‘yicha umumiy o‘rtacha natijalar
Sirtqi ta’limda o‘qiydigan universitet talabalari umumiy o‘rtacha 57% ball to‘pladi va
umumiy o‘rtacha davomati 76% darslarga qatnashgan. Kunduzgi ta’limda o‘qiydigan
universitet talabalari umumiy o‘rtacha 75% ball to‘pladi va umumiy o‘rtacha davomati 90%
darslarga qatnashgan. Regressiya tahlilaridan olingan natijalarga ko‘ra o‘zaro mutanosiblik
juda yaqin va bu oddiy regressiya usuliga juda mos misol bo‘la oladi.
Muhokama
Python dasturlash tilida oddiy chiziqli regressiya (linear regression) tahlili o‘tkazildi.
Bu yerda kirish o‘zgaruvchisi sifatida talabalarning davomati va chiqish o‘zgaruvchisi sifatida
esa imtihon ballari olindi. Regressiya taxlillari natijasida davomatning ballga ta’siri aniqlandi,
ya’ni talabalar dars mashg‘ulotlariga ko‘proq qatnashgan bo‘lsa, ularning ballari ham
yuqoriroq bo‘lish ehtimoli bor. Bu matematik tenglama shaklida chiqdi:
𝑩𝒂𝒍𝒍 = 𝒂 ∗
𝑫𝒂𝒗𝒐𝒎𝒂𝒕 + 𝒃
.
Bu yerda
𝒂
- davomatning bahoga ta’siri,
𝒃
- boshlang‘ich (intersept) qiymat.
Page 154
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
Vizual grafik chizildi: haqiqiy ballar nuqtalar ko‘rinishida (scatter), regressiya chizig‘i
esa to‘g‘ri chiziq tarzida ko‘rsatildi. Ba’zi talabalar darsga yaxshi qatnashib, yaxshi ball
olishgan, ayrimlar esa qatnashgan bo‘lsa ham past ball olishgan [4]. Bu holat o‘ziga xos o‘quv
muammolarini ham ko‘rsatadi va shunchaki qatnashish emas, sifatli o‘rganish muhimligini
anglatadi. Ballar bo‘yicha sirtqi ta’limda o‘qiydigan talabalarning umumiy o‘rtacha bali 56%
ni, kunduzgi ta’limda o‘qiydigan talabalarniki esa 75% ni tashkil qiladi. Natijalardan shuni
ko
֥
‘rib shuni etirof etish kerakki kunduzgi ta’limda o‘qiydigan talabalar sirtqi ta’limda
o‘qiydigan talabalarga nisbatan anchagina yaxshi natijalarni ko‘rsatadi. Bu esa talimning
qanday shaklda berilishi mutaxassis kadrlarning sifati qanday bo‘lishini ta’minlaydi. Sirtqi
ta’lim shaklida talabalar yiliga ikki marta xar biri o‘ttiz kunga teng bo‘lgan muddat ichida
fanlarni o‘zlashtirishi juda qiyinligini alohida aytib o‘tish kerak. Chiziqli regressiya taxlil
natijalarida ham buni kuzatishingiz mumkin.
Kunduzgi ta’limda umumiy holatga ko‘ra davomati 90% atrofida talabalar darsga
muntazam ravishda qatnashishgan. Sirtqi ta’limda esa bu ko‘rsatgichlar o‘rtacha 77% ni
tashkil qiladi. Ko‘rinib turganidek kunduzgi ta’limda o‘qiydigan talabalar sirtqi ta’limda
o‘qiydigan talabalarga qaraganda ancha aktiv qatnashadi. Albatta bunga ayrim sabablarni
etiborga oladigan bo‘lsak, sirqi ta’lim talabalarning 70% dan ko‘prog‘i o‘z-o‘zini band qilish,
kasbiy faoliyatlarda ishlab kelganlari va ko‘pincha ayrim tashkilotlar ish faoliyatiga o‘qishning
tasiri bo‘lmasligi kerak ekanligini talab qilishi bilan bog‘liq tushunmovchiliklar sabab bo‘lishi
mumkin. Bunday xolatlar ayollarda xam bor ayniqsa oilaviy sabablarga ko‘ra muammolar juda
ham ko‘p uchraydi.
Kunduzgi ta’lim bundan mustasno albatta chunki deyarli barcha talabalar yoshlardan
iborat ularda esa bunday holatlarni kamdan kam uchratish mumkin.
Xulosa
Tajribalarimiz davomida imtihon natijalariga davomat kuchli ta’sir ko‘rsatishi
mumkinligini kuzatdik. Yuqori natijalarning aksariyati yuqori davomat bilan bevosita bog‘liq.
Sirtqi ta’limda o‘qiydigan universitet talabalariga nisbatan kunduzgi ta’limda o‘qiydigan
universitet talabalari davomati va ballari bo‘yicha ancha faol va yuqori natijalarni ko‘rsatdi.
Chiziqli regressiya tahlili davomatning ballga ta’siri qanday bo‘lishini ko‘rsatdi va bu o‘quv
jarayonining barqarorligini bildiradi. Chiziqli regressiya buni matematik tarzda tasdiqlaydi.
Adabiyotlar:
1.
Shukurov, K. E., & Ergashev, S. B. Biometrik boshqaruv tizimida suxandonni aniqlash
masalalariga bo’lgan yondashuv. Iqtisodiyotning tarmoqlarini innovasion rivojlanishida
axborot-kommunikasiya
texnologiyalarining
ahamiyati
Respublika
ilmiy-texnik
anjumanining. Maʼruzalar toʻplami, 458-460.
2.
Abduvalieva, Z., & Ergashev, S. (2023). ALGORITHM FOR CLASSIFYING DOCUMENTS OF A
SCIENTIFIC AND EDUCATIONAL ORGANIZATION USING MACHINE LEARNING METHODS.
International Journal of Contemporary Scientific and Technical Research,(Special Issue), 103-
111.
3.
Ergashev, S. B., & Yusupov, R. M. (2023). Tyuring mashinasi va sun’iy neyron to ‘rlari. Илм-
фан ва инновацион ривожланиш/Наука и инновационное развитие, 6(6), 27-38.
4.
Ergashev, S.B. and Hamroqulova, M.B., 2023. SUN’IY INTELLEKT TEXNOLOGIYALARINING
AQLIY DARAJASINI BAHOLASH. GOLDEN BRAIN, 1(30), pp.155-162.
Page 155
CENTRAL ASIAN JOURNAL OF ACADEMIC
RESEARCH
IF = 5.441
Volume 3, Issue 05, Part 4 May 2025
www.in-academy.uz
5.
Heaton J. Artificial intelligence for humans: deep learning and neural networks. 3rd ed.
Scotts Valley: Createspace Independent Publishing Platform; 2015.
6.
Javlon, K. and Erali, M., 2023. STRUCTURE AND PRINCIPLE OF OPERATION OF FULLY
CONNECTED NEURAL NETWORKS. International Journal of Contemporary Scientific and
Technical Research, pp.136-141.
