Ta'limning zamonaviy transformatsiyasi
21-to’plam 1-son Iyul 2025
370
K-MEANS ASOSIDA KLASTERLASH ORQALI IMBALANCED
MA’LUMOTLAR
TO‘PLAMINI
BALANSLASH
VA
TIBBIY
KLASSIFIKATSIYA UCHUN TAYYORLASH
Ass. Sariyev Shohruh Norqo‘zi o‘g‘li
Sh.Rashidov nomidagi Samarqand davlat universiteti, Samarqand,
O‘zbekiston
Annotatsiya. Tibbiyotda amaliy mashinaviy o‘qitish modellarining
samaradorligi ko‘pincha ma’lumotlar to‘plamining balansiga bog‘liq. Qandli
diabetni erta aniqlash vazifasida ko‘plab ma’lumotlar to‘plamlari imbalanced
ya’ni sinflararo nomutanosiblikka ega bo‘lib kam uchraydigan sinf prediabet
to‘g‘ri klassifikatsiya qilinmaydi. Ushbu maqolada 0: sog‘lom 20 000, 1: prediabet
4604, 2: diabet 10 000 kabi sinflardan iborat imbalanced tibbiy ma’lumotlar
to‘plami K-Means algoritmi yordamida klasterlash asosida balanslanib prediabet
sinfi asos sifatida tanlanib har bir sinfdan 4604 ta namunani klasterlar bo‘yicha
tanlash orqali yangi balansli ma’lumotlar to‘plami shakllantirildi. Yondashuv
statistik vizual va amaliy jihatdan baholanib samaradorligi ko‘rsatildi.
Kalit so‘zlar: imbalanced data, K-Means, ma’lumotlarni balanslash,
HistGB, LightGBM, AutoGluon.
1. Kirish
Mashinaviy o‘qitish tibbiyotda keng qo‘llanilayotgan yo‘nalishlardan
biridir. Ayniqsa diabet va prediabetni erta bosqichda aniqlash xavf guruhiga
kiruvchi bemorlarni skrining qilish orqali kasallikni oldini olish mumkin[1-2].
Biroq amaliy tibbiy ma’lumotlar to‘plamlari ko‘pincha imbalanced holatda bo‘ladi.
Sog‘lom shaxslar soni ko‘p prediabet esa kam uchraydi. Bu nomutanosiblik
mashinaviy o‘rganish algoritmlarida major sinfga yon bosish bias holatiga olib
keladi va kam sonli ammo klinik ahamiyatli sinflar masalan prediabet noto‘g‘ri
klassifikatsiya qilinadi. Bu esa F1-score va aniqlik kabi baholash mezonlarining
Ta'limning zamonaviy transformatsiyasi
21-to’plam 1-son Iyul 2025
371
pasayishiga olib keladi. Muammoni hal qilish uchun an’anaviy oversampling va
undersampling usullari mavjud biroq ular ma’lumotlarning tuzilmasini buzadi yoki
overfittingga olib keladi. Shu sabab ushbu tadqiqotda K-Means klasterlashga
asoslangan balanslash yondashuvi taklif etiladi. Bu yondashuv har bir sinfni
alohida klasterlarga ajratib har bir klasterdan teng namunalar tanlash orqali
tuzilmani saqlagan holda balansli to‘plam hosil qiladi[3-4]. Eksperimental qismda
sinflar soni 0: sog‘lom 20000, 1: prediabet 4604, 2: diabet 10000 bo‘lgan
ma’lumotlar to‘plami ishlatilgan va har bir sinfdan 4604 ta namunaga
tenglashtirilgan yangi ma’lumotlar to‘plami tayyorlangan.
2. Asosiy qism
Ma’lumotlar to‘plamining umumiy tavsifi.
Tahlil uchun ishlatilgan
ma’lumotlar to‘plami quyidagi sinflarni o‘z ichiga oladi.
Klass
Turi
Namuna soni
0
Sog‘lom
20,000
1
Prediabet
4,604
2
Diabet
10,000
Ko‘rinib turibdiki 1-sinf prediabet namunalari eng kam sonli bo‘lib ushbu
sinfga nisbatan ML modellar sezgir emas. Shuning uchun prediabet sinfi asos
sifatida tanlandi.
K-Means asosidagi balanslash algoritmi.
Yangi balanslangan to‘plam
yaratish quyidagi bosqichlarda amalga oshirildi
1. Klasterlash
Har bir sinf alohida holda
K-Means
yordamida
K=10
ga ajratildi.
Shunday qilib, 0, 1, va 2 sinflar har biri 10 ta klasterdan iborat
guruhlarga ajratildi.
2. Klaster ichidan tanlash
Har bir klaster ichidan teng miqdorda namunalar tanlab olindi.
Prediabet sinfida har bir klasterdan taxminan 460 ta namunani tashkil
qiladi (10×460 ≈ 4600).
3. Boshqa sinflarni balanslash
Ta'limning zamonaviy transformatsiyasi
21-to’plam 1-son Iyul 2025
372
Sog‘lom (0) va diabet (2) sinflaridan ham aynan har bir klasterdan 460
ta namunani tanlab olindi (10×460 = 4600).
4. Yakuniy balanslangan to‘plam. Quyidagi jadvalda balanslangan
ma’lumotlar to‘plami hosil qilindi.
Klass
Namuna soni
0
4604
1
4604
2
4604
Bu yondashuv tuzilmani buzmasdan sinflar o‘rtasida tenglik yaratildi va
sinflararo vakillikni ta’minladi[5-6]. Quyidagi rasmlardan ham ko‘rish mumkin.
Ta'limning zamonaviy transformatsiyasi
21-to’plam 1-son Iyul 2025
373
Exspriment natijalar
Balanslashdan oldin ML modellardan
LighGBM
,
HistGB
va
AutoGluon
modellarida quyidagi natijalarga erishildi.
Balanslashdan keyin esa quyidagi natijalar qayd etildi.
Mo
del
Auccar
cy
Precisio
n
Re
call
F1-
score
Lig
hGBM
0.9055
0.9154
0.9
055
0.904
2
His
tGB
0.9055
0.9151
0.9
055
0.904
2
Aut
oGluon
0.9066
0.9160
0.9
066
0.905
3
Natijalar shuni ko‘rsatadiki K-Means asosida balanslangan to‘plam
sezilarli darajada prediabet sinfining aniqligini oshirgan.
Munozara
K-Means asosidagi balanslash usuli quyidagi ustunliklarni ko‘rsatdi.
Klasterlar o‘rtasida strukturani saqladi: bu modelning turli qiyofadagi namunalarni
o‘rganishiga yordam berdi. Oversampling emas — ya’ni ma’lumotlar
Ta'limning zamonaviy transformatsiyasi
21-to’plam 1-son Iyul 2025
374
nusxalanmadi. Haqiqiy klasterlar ichidan tanlandi. Kam sinfning vakilligi oshdi,
prediabet holatlarini aniqlash darajasi sezilarli yaxshilandi. Shu bilan birga bu
yondashuv quyidagi cheklovlarga ega[7-8]. K-Means klaster soni K tanlash
subyektivdir. Klasterlar notekis bo‘lsa kichik klasterdan tanlashda muammolar
bo‘lishi mumkin. Kompyuter resurslari nisbatan ko‘proq talab qilinadi 10×3
klasterlarni ajratish. Shunga qaramay bu yondashuv tibbiy klassifikatsiyada amaliy
jihatdan juda foydali bo‘lib, ayniqsa imbalanced tibbiy holatlarda erta bosqichdagi
kasalliklar qo‘llash mumkin.
Xulosa
Imbalanced ma’lumotlar bilan ishlashda K-Means asosida klasterlash
orqali balanslash — bu amaliy strukturaviy va klinik nuqtai nazardan maqbul
yondashuv hisoblanadi. Ushbu usul tibbiy klassifikatsiyada kam sonli sinflarning
prediabet kabi aniqligini sezilarli darajada oshiradi.
Model F1-score Recall kabi muhim ko‘rsatkichlarda yaxshilanishga
erishgan bo‘lib, bu tibbiy qaror qabul qilishda ayniqsa muhim hisoblanadi[9-11].
Yondashuvni boshqa klasterlash algoritmlari bilan solishtirish, shuningdek, real
vaqt monitoringda sinab ko‘rish bo‘yicha keyingi izlanishlar olib borilishi mumkin.
FOYDALANILGAN ADABIYOTLAR
1.
Akmal Akhatov, Fayzullo Nazarov, Mekhriddin Nurmamatov, Shokhrukh
Sariyev. (2024). Genetic algorithm application technology in multi-parameter
optimization
problems
AIP
Conf.
Proc.
3244,
030025.
https://doi.org/10.1063/5.0242074.
2.
Alkalifah, B., Shaheen, M. T., Alotibi, J., Alsubait, T., & Alhakami, H.
(2025). Evaluation of machine learning-based regression techniques for prediction
of diabetes levels fluctuations. Heliyon, 11(1).
3.
Nazarov, F., Nurmamatov, M., & Sariyev, Sh. (2024). ma’lumotlarni
intellektual tahlil qilish uchun genetik algoritmlar va ularni qo‘llanilishi. digital
transformation and artificial intelligence, 2(6), 162–168. retrieved from
Ta'limning zamonaviy transformatsiyasi
21-to’plam 1-son Iyul 2025
375
4.
Asteris, P. G., Skentou, A. D., Bardhan, A., Samui, P., & Pilakoutas, K.
(2021). Predicting concrete compressive strength using hybrid ensembling of
surrogate machine learning models. Cement and Concrete Research, 145, Article
106449.
5.
He, H., & Garcia, E. A. (2009). Learning from imbalanced data.
IEEE
TKDE
, 21(9), 1263–1284.
6.
Chawla, N. V., et al. (2002). SMOTE: Synthetic Minority Over-sampling
Technique.
JAIR
, 16, 321–357.
7.
Liu, X. Y., et al. (2009). Exploratory undersampling for class-imbalance
learning.
TKDE
, 21(9), 129–143.
8.
Han, H., et al. (2005). Borderline-SMOTE.
PAKDD
, 878–887.
9.
M. Nurmamatov, S. Sariyev and I. Uddin, "Methods of Using Artificial
Intelligence Algorithms in Human Resource Management," 2025 International
Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian
Federation,
2025,
pp.
566-571,
doi:
10.1109/SmartIndustryCon65166.2025.10986087
10.
N. Fayzullo, S. Sariyev and Y. Sherzodjon, "Analyzing the Effectiveness of
Ensemble Methods in Solving Multi-Class Classification Problems," 2025
International Russian Smart Industry Conference (SmartIndustryCon), Sochi,
Russian
Federation,
2025,
pp.
788-793,
doi:
10.1109/SmartIndustryCon65166.2025.10986248
11.
Krawczyk, B. (2016). Learning from imbalanced data: open challenges and
future directions.
Progress in AI
, 5(4), 221–232.
