Return to Video

Gaussian NB Example - Intro to Machine Learning

  • 0:00 - 0:04
    حسنًا، ما فعلته الآن هو أنني انتقلت إلى صفحة الوثائق
  • 0:04 - 0:05
    الخاصة بمصنِّف بايز المبسط الغاوسي.
  • 0:05 - 0:08
    sklearn.naive_bayes.GaussianNB.
  • 0:08 - 0:11
    وهذه كانت الخوارزمية التي عمدت إلى إيجادها
  • 0:11 - 0:16
    والآن عثرت على صفحة وثائق SK Learn.
  • 0:16 - 0:18
    إن أول ما أراه هنا، وهو في الواقع أحد الأمور التي تعجبني في
  • 0:18 - 0:23
    وثائق SK Learn، هو أنها مليئة بالأمثلة.
  • 0:23 - 0:26
    وأثناء وضع التعليمة البرمجية لهذا الدرس، كان أول
  • 0:26 - 0:29
    ما قمت به كما أقوم به دائمًا هو البحث عن مثال تعليمة برمجية،
  • 0:29 - 0:31
    ثم محاولة تشغيلها في مترجم Python،
  • 0:31 - 0:33
    لمعرفة ما إذا كنت قادرة على جعلها تعمل.
  • 0:33 - 0:36
    وكانت دائمًا ما تعمل دون تعديل تقريبًا.
  • 0:36 - 0:38
    وإليكم أمر بسيط للغاية.
  • 0:38 - 0:40
    توجد هنا بضعة أسطر فقط تُعد مهمة حقًا.
  • 0:40 - 0:41
    فدعوني أوضحها لكم
  • 0:41 - 0:46
    وبعدها سأعرض لكم التعليمة البرمجية التي كتبتها بالفعل للمثال الذي رأيناه للتو،
  • 0:46 - 0:48
    وستبدؤون في التعرف على بعض هذه الأسطر.
  • 0:48 - 0:49
    ولكن لنقدمها أولاً.
  • 0:49 - 0:52
    هذا السطر الموجود هنا هو أول الأسطر الهامة حقًا.
  • 0:54 - 0:57
    والأسطر الموجودة فوقه هي لمجرد إنشاء بعض نقاط التدريب التي يمكننا استخدامها،
  • 0:57 - 0:58
    وهي ليست على درجة كبيرة من الأهمية.
  • 0:58 - 1:02
    هنا يبدأ الجزء الأساسي، وهو يبدأ بعبارة الاستيراد هذه، وإذا كنتم قد قمتم
  • 1:02 - 1:05
    بالبرمجة باستخدام لغة Python من قبل، فأنتم تعرفون عبارات الاستيراد جيدًا.
  • 1:05 - 1:08
    وهذه هي الطريقة التي تجلبون بها الوحدات الخارجية إلى التعليمة البرمجية التي
  • 1:08 - 1:12
    تكتبونها كي لا تضطروا إلى إعادة تنفيذ كل شيء بالكامل في كل مرة،
  • 1:12 - 1:15
    ويمكنكم استخدام تعليمة برمجية كتبها شخص آخر بالفعل.
  • 1:15 - 1:19
    إذن سنقول، من sklearn.naive_bayes يتم استيراد GaussianNB.
  • 1:19 - 1:20
    جيد جدًا.
  • 1:20 - 1:23
    ما سنقوم به بعد ذلك هو استخدام ذلك
  • 1:23 - 1:24
    لإنشاء مصنف.
  • 1:24 - 1:27
    إذن، المصنف يساوي GaussianNB.
  • 1:27 - 1:29
    وإذا فاتتكم عبارة الاستيراد.
  • 1:29 - 1:30
    و إذا نسيتم هذا السطر لسبب ما،
  • 1:30 - 1:32
    فسيقوم هذا السطر بإظهار خطأ.
  • 1:32 - 1:36
    وبالتالي إذا انتهى بكم الأمر برؤية خطأ ما يقول أنه لا يتعرف على
  • 1:36 - 1:38
    هذه الدالة،
  • 1:38 - 1:40
    فهذا يعني على الأرجح وجود مشكلة في عبارة الاستيراد.
  • 1:40 - 1:43
    حسنًا إذن، لقد قمنا بإنشاء المصنف.
  • 1:43 - 1:45
    والآن أصبحت التعليمة البرمجية كلها نوعًا ما جاهزة للعمل.
  • 1:45 - 1:47
    ما نحتاج إلى القيام به بعد ذلك هو ملاءمتها.
  • 1:49 - 1:52
    وقد كنا نستخدم المصطلحين "تدريب" و"ملاءمة" بالتبادل.
  • 1:52 - 1:55
    إذن، هذه هي الخطوة التي نقوم فيها بالفعل بإعطائها بيانات التدريب،
  • 1:55 - 1:57
    وهي تتعلم الأنماط.
  • 1:57 - 2:00
    لدينا المصنف الذي قمنا للتو بإنشائه.
  • 2:00 - 2:04
    وسنقوم بطلب دالة الاحتواء له، ثم الوسيطين اللذين نمررهما للملاءمة وهما x،
  • 2:04 - 2:10
    التي تكون الميزات في هذه الحالة، وy وهي التسميات.
  • 2:10 - 2:13
    وسيكون ذلك صحيحًا دائمًا بالنسبة للتصنيف الخاضع للإشراف.
  • 2:13 - 2:15
    وهو أنه سيقوم بطلب دالة الاحتواء هذه،
  • 2:15 - 2:16
    ثم سيكون لديه الميزات،
  • 2:16 - 2:17
    ثم التسميات.
  • 2:19 - 2:22
    وآخر ما سنقوم به هو أننا سنطلب من المصنف
  • 2:22 - 2:24
    الذي دربناه للتو القيام ببعض التنبؤات.
  • 2:24 - 2:25
    سنعطيه نقطة جديدة،
  • 2:25 - 2:29
    وفي هذه الحالة ستكون النقطة هي سالب 0.8 وسالب 1.
  • 2:29 - 2:33
    ثم سنسأله عن هذه النقطة، ما هي التسمية لهذه النقطة بالتحديد؟
  • 2:33 - 2:35
    ما هي الفئة التي تنتمي إليها؟
  • 2:35 - 2:38
    في هذه الحالة بالتحديد يخبرنا بأن النقطة تنتمي إلى الفئة رقم 1.
  • 2:38 - 2:42
    أو تخيلوا أنه سيجيب بالنسبة لنقطة أخرى أنها تنتمي إلى الفئة رقم 2.
  • 2:42 - 2:48
    بالطبع يجب أن تكونوا قد قمتم بالفعل بملاءمة المصنف قبل أن
  • 2:48 - 2:49
    تتمكنوا من طلب تنبؤ منه.
  • 2:49 - 2:50
    لأنه يتعلم الأنماط فعليًا
  • 2:50 - 2:52
    أثناء ملاءمة البيانات.
  • 2:52 - 2:55
    ثم يستخدم هنا هذه الأنماط للقيام بتنبؤ ما.
  • 2:55 - 2:57
    إذن هذا هو الأمر.
  • 2:57 - 2:59
    هذا نوعًا ما كل ما يمكن معرفته حتى الآن
  • 2:59 - 3:02
    لإجراء ذلك في المثال الأول الذي قدمته.
Title:
Gaussian NB Example - Intro to Machine Learning
Description:

more » « less
Video Language:
English
Team:
Udacity
Project:
ud120 - Intro to Machine Learning
Duration:
03:03

Arabic subtitles

Revisions