Arabic subtitles

Gaussian NB Example - Intro to Machine Learning

Get Embed Code
6 Languages

Showing Revision 1 created 06/09/2016 by Udacity Robot.

  1. حسنًا، ما فعلته الآن هو أنني انتقلت إلى صفحة الوثائق
  2. الخاصة بمصنِّف بايز المبسط الغاوسي.
  3. sklearn.naive_bayes.GaussianNB.
  4. وهذه كانت الخوارزمية التي عمدت إلى إيجادها
  5. والآن عثرت على صفحة وثائق SK Learn.
  6. إن أول ما أراه هنا، وهو في الواقع أحد الأمور التي تعجبني في
  7. وثائق SK Learn، هو أنها مليئة بالأمثلة.
  8. وأثناء وضع التعليمة البرمجية لهذا الدرس، كان أول
  9. ما قمت به كما أقوم به دائمًا هو البحث عن مثال تعليمة برمجية،
  10. ثم محاولة تشغيلها في مترجم Python،
  11. لمعرفة ما إذا كنت قادرة على جعلها تعمل.
  12. وكانت دائمًا ما تعمل دون تعديل تقريبًا.
  13. وإليكم أمر بسيط للغاية.
  14. توجد هنا بضعة أسطر فقط تُعد مهمة حقًا.
  15. فدعوني أوضحها لكم
  16. وبعدها سأعرض لكم التعليمة البرمجية التي كتبتها بالفعل للمثال الذي رأيناه للتو،
  17. وستبدؤون في التعرف على بعض هذه الأسطر.
  18. ولكن لنقدمها أولاً.
  19. هذا السطر الموجود هنا هو أول الأسطر الهامة حقًا.
  20. والأسطر الموجودة فوقه هي لمجرد إنشاء بعض نقاط التدريب التي يمكننا استخدامها،
  21. وهي ليست على درجة كبيرة من الأهمية.
  22. هنا يبدأ الجزء الأساسي، وهو يبدأ بعبارة الاستيراد هذه، وإذا كنتم قد قمتم
  23. بالبرمجة باستخدام لغة Python من قبل، فأنتم تعرفون عبارات الاستيراد جيدًا.
  24. وهذه هي الطريقة التي تجلبون بها الوحدات الخارجية إلى التعليمة البرمجية التي
  25. تكتبونها كي لا تضطروا إلى إعادة تنفيذ كل شيء بالكامل في كل مرة،
  26. ويمكنكم استخدام تعليمة برمجية كتبها شخص آخر بالفعل.
  27. إذن سنقول، من sklearn.naive_bayes يتم استيراد GaussianNB.
  28. جيد جدًا.
  29. ما سنقوم به بعد ذلك هو استخدام ذلك
  30. لإنشاء مصنف.
  31. إذن، المصنف يساوي GaussianNB.
  32. وإذا فاتتكم عبارة الاستيراد.
  33. و إذا نسيتم هذا السطر لسبب ما،
  34. فسيقوم هذا السطر بإظهار خطأ.
  35. وبالتالي إذا انتهى بكم الأمر برؤية خطأ ما يقول أنه لا يتعرف على
  36. هذه الدالة،
  37. فهذا يعني على الأرجح وجود مشكلة في عبارة الاستيراد.
  38. حسنًا إذن، لقد قمنا بإنشاء المصنف.
  39. والآن أصبحت التعليمة البرمجية كلها نوعًا ما جاهزة للعمل.
  40. ما نحتاج إلى القيام به بعد ذلك هو ملاءمتها.
  41. وقد كنا نستخدم المصطلحين "تدريب" و"ملاءمة" بالتبادل.
  42. إذن، هذه هي الخطوة التي نقوم فيها بالفعل بإعطائها بيانات التدريب،
  43. وهي تتعلم الأنماط.
  44. لدينا المصنف الذي قمنا للتو بإنشائه.
  45. وسنقوم بطلب دالة الاحتواء له، ثم الوسيطين اللذين نمررهما للملاءمة وهما x،
  46. التي تكون الميزات في هذه الحالة، وy وهي التسميات.
  47. وسيكون ذلك صحيحًا دائمًا بالنسبة للتصنيف الخاضع للإشراف.
  48. وهو أنه سيقوم بطلب دالة الاحتواء هذه،
  49. ثم سيكون لديه الميزات،
  50. ثم التسميات.
  51. وآخر ما سنقوم به هو أننا سنطلب من المصنف
  52. الذي دربناه للتو القيام ببعض التنبؤات.
  53. سنعطيه نقطة جديدة،
  54. وفي هذه الحالة ستكون النقطة هي سالب 0.8 وسالب 1.
  55. ثم سنسأله عن هذه النقطة، ما هي التسمية لهذه النقطة بالتحديد؟
  56. ما هي الفئة التي تنتمي إليها؟
  57. في هذه الحالة بالتحديد يخبرنا بأن النقطة تنتمي إلى الفئة رقم 1.
  58. أو تخيلوا أنه سيجيب بالنسبة لنقطة أخرى أنها تنتمي إلى الفئة رقم 2.
  59. بالطبع يجب أن تكونوا قد قمتم بالفعل بملاءمة المصنف قبل أن
  60. تتمكنوا من طلب تنبؤ منه.
  61. لأنه يتعلم الأنماط فعليًا
  62. أثناء ملاءمة البيانات.
  63. ثم يستخدم هنا هذه الأنماط للقيام بتنبؤ ما.
  64. إذن هذا هو الأمر.
  65. هذا نوعًا ما كل ما يمكن معرفته حتى الآن
  66. لإجراء ذلك في المثال الأول الذي قدمته.