YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Arabic subtitles

Bayes Rule Diagram - Intro to Machine Learning

Get Embed Code
5 Languages

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

  1. ما قلناه بالفعل أن لدينا حالة تسمى prior
  2. واختبارًا لحساسية محددة ودقة محددة.
  3. عند تلقي نتيجة اختبار إيجابية فرضًا، ما نقوم به هو أخذ قيمة prior،
  4. ونضربها في احتمالية نتيجة الاختبار هذه
  5. في حالة وجود C، ونضربها في احتمالية نتيجة الاختبار في حالة عدم وجود C.
  6. إذن، هذا هو الفرع المتعلق باعتبار الإصابة بالسرطان.
  7. وهذا هو الفرع المتعلق باعتبار عدم الإصابة بالسرطان.
  8. عند الانتهاء من ذلك، نكون قد توصلنا لرقم يجمع بين فرضية الإصابة بالسرطان
  9. ونتيجة الاختبار.
  10. لكل من فرضية الإصابة بالسرطان وفرضية عدم الإصابة بالسرطان.
  11. ما سنقوم به الآن هو جمع هاتين القيمتين.
  12. وعادة لا يكون مجموعهما واحدًا.
  13. وسنحصل على قيمة معينة،
  14. ألا وهي إجمالي الاحتمالية الخاصة بنتيجة الاختبار أيًا كانت.
  15. وهي في هذه الحالة إيجابية.
  16. كل ما علينا فعله بعد ذلك هو تنسيق هذه القيمة الموجودة هنا من خلال قسمتها
  17. على حاصل الجمع هذا.
  18. ويسري الأمر نفسه على الجانب الأيمن.
  19. يكون المقسوم هو ذاته
  20. لكلا الحالتين نظرًا لأن هذا هو الفرع الخاص بالإصابة بالسرطان وهذا هو الفرع الخاص بعدم الإصابة بالسرطان.
  21. لكن هذه القيمة لم تعد تعتمد على متغير السرطان بعد الآن.
  22. ما وصلنا إليه الآن هو الاحتمالية اللاحقة المطلوبة
  23. ويكون مجموع ذلك واحدًا إذا أنجزت كل شيء بصورة صحيحة كما هو موضح هنا.
  24. وهذه هي الخوارزمية الخاصة بقاعدة بايز