PL9fwy3NUQKwYNuAEg27anya7EYamnohGd/5xZPpqSUrAA.srt

1
00:00:02,650 --> 00:00:05,590
باسم الله والحمد لله والصلاة والسلام على رسول الله

2
00:00:05,590 --> 00:00:11,630
أهلاً وسهلاً بكم في المحاضرة التالية في مساق تنقيب

3
00:00:11,630 --> 00:00:15,350
البيانات، نتكلم على الـ Clustering، كنا غطينا في

4
00:00:15,350 --> 00:00:17,530
chapter الـ Clustering، مفهوم الـ Clustering أنه

5
00:00:17,530 --> 00:00:20,970
عبارة عن تقسيم الـ Data set اللي موجودة عندي

6
00:00:20,970 --> 00:00:25,570
لمجموعات بناءً على الـ Similarities أو التشابه ما

7
00:00:25,570 --> 00:00:29,680
بين الـ Instances اللي موجودة فيها، وذكرنا أن الـ

8
00:00:29,680 --> 00:00:33,140
Clustering يأخذ واحدة من نوعين: إما Partitional

9
00:00:33,140 --> 00:00:36,540
Clustering، وهي عبارة عن مجموعة من الـ Clusters أو

10
00:00:36,540 --> 00:00:39,980
نعم، مجموعة من الـ Clusters اللي بيكون الـ Disjoint

11
00:00:39,980 --> 00:00:42,920
أو التقاطعات بينهم صفر، ما فيش نقاط مشتركة ما بينهم،

12
00:00:42,920 --> 00:00:48,440
وبالتالي كل Element موجود في Cluster واحد فقط، وفي

13
00:00:48,440 --> 00:00:51,760
عندنا، حكينا أنه في عندنا... وشوفنا على المثال هذا

14
00:00:51,760 --> 00:00:56,360
على مثل Partitional K-means، واتكلمنا عليه بالتفصيل

15
00:00:57,340 --> 00:01:00,400
في المحاضرة إن شاء الله تعالى، سنتكلم على

16
00:01:00,400 --> 00:01:03,960
النوع الثاني من الـ Clustering اللي هو الـ

17
00:01:03,960 --> 00:01:08,840
Hierarchical Clustering، إن شاء الله تعالى، عندما

18
00:01:08,840 --> 00:01:11,580
نتكلم عن Hierarchical Clustering، يعني أننا نتكلم

19
00:01:11,580 --> 00:01:16,640
عن Clustering تجميعي، الفكرة فيه أنه عندما نتكلم عن

20
00:01:16,640 --> 00:01:19,560
Agglomerative، الـ Hierarchical أو الـ Agglomerative

21
00:01:19,560 --> 00:01:24,220
مترادفان، لأن كل Hierarchical يتعلق بـ Agglomerative

22
00:01:24,220 --> 00:01:28,280
يعني تجميعي، Agglomerative Clustering عادةً

23
00:01:28,280 --> 00:01:33,440
نُشير لكل الـ Clustering Algorithms التي تبني على نفس

24
00:01:33,440 --> 00:01:38,200
المبدأ، وهو تجميع البيانات اللي موجودة عندنا، فكرة

25
00:01:38,200 --> 00:01:41,920
الـ Agglomerative Clustering بشكل عام، بتتركز أنه

26
00:01:41,920 --> 00:01:47,120
يبدأ، بيعرف أن كل نقطة كـ Cluster مستقل، وبعد ذلك

27
00:01:47,120 --> 00:01:54,720
يعمل Merge أو Combine لكل Two Similar Clusters بناءً

28
00:01:54,720 --> 00:01:57,080
على ايش؟ الـ Similarity، Cluster معناته في عندي

29
00:01:57,080 --> 00:02:00,800
Similarity Distance أو Similarity Function زي ما

30
00:02:00,800 --> 00:02:04,180
شوفناها في الـ Partitional، لازم تُطبق عندنا، وهذا

31
00:02:04,180 --> 00:02:08,500
الـ Similarity Function هي اللي هتكون معيار دمج أو

32
00:02:08,500 --> 00:02:12,660
قبول، دمج أو رفض دمج الـ Two Clusters اللي

33
00:02:12,660 --> 00:02:17,680
موجودين عندي، طبعاً، وهذا الكلام بيستمر لحد ما يتوصل

34
00:02:17,680 --> 00:02:25,300
يتحقق عندي شرط توقف معين، شرط التوقف يكون عبارة عن

35
00:02:25,300 --> 00:02:29,980
عدد الـ Clusters اللي اتكلمت عليه، أنا بدي أعمل دمج

36
00:02:29,980 --> 00:02:35,040
دمج دمج لحد ما أوصل لـ 3 Clusters، فعلياً الـ Data اللي

37
00:02:35,040 --> 00:02:38,820
عندي هتبدأ من واحد واحد واحد واحد، بعد هيك هيبدأ

38
00:02:38,820 --> 00:02:43,900
يتجمعوا، آخر تجميع اللي ممكن أوصل إليه، هذا مفهوم

39
00:02:43,900 --> 00:02:46,140
أن يكون عندي 3 Clusters أو 4 Clusters أو 10

40
00:02:46,140 --> 00:02:49,300
Clusters حسب الحاجة، وبهيك أنا فعلياً هذا شرطي

41
00:02:49,300 --> 00:02:55,280
التوقف اللي موجود عندي، أو فعلياً أنا ما ضلّ عندي

42
00:02:55,280 --> 00:02:59,060
شيء أدمجه، اندمجت كل البيانات لحد ما

43
00:02:59,060 --> 00:03:02,540
صارت Only One Cluster بيحتوي كل الـ Sub Clusters

44
00:03:02,540 --> 00:03:06,020
اللي جاية بعد هيك، طبعاً أنا في عندي Linkage

45
00:03:06,020 --> 00:03:10,820
Criteria أو شرط الدمج، أو سمّيناها Linkage، دلالة على

46
00:03:10,820 --> 00:03:13,760
أنه أنا فعلياً عندي Clusterين وبدي أربطهم مع بعض، بدي

47
00:03:13,760 --> 00:03:18,860
أحطهم في قالب أو عفواً في ضمن Boundary واحدة، طبعاً

48
00:03:18,860 --> 00:03:21,420
عندما أتكلم عن الـ Linkage Criteria أو الـ Linkage

49
00:03:21,420 --> 00:03:25,800
Function، نفس المصطلح، الـ Similarity Function للـ

50
00:03:25,800 --> 00:03:28,660
Clusters، بس دائماً عندما أتكلم عن الـ Similarity

51
00:03:28,660 --> 00:03:32,160
بتكلم عن الـ Distance، عفواً، بتكلم عن الـ Distance

52
00:03:32,160 --> 00:03:36,160
لكن عندما أتكلم عن الـ Linkage Criteria، بتكلم عن أن

53
00:03:36,160 --> 00:03:41,840
أنا فعلياً بتكلم عن الـ Clustering، بتكلم عن Linkage

54
00:03:41,840 --> 00:03:45,040
أو ربط ما بين الـ Clusters، فعلياً أنا بتكلم برضه عن

55
00:03:45,040 --> 00:03:49,410
الـ Distance، والـ Distance هذه تُقاس مع كل الـ

56
00:03:49,410 --> 00:03:52,090
Observations أو كل الـ Instances اللي موجودة عندنا،

57
00:03:52,090 --> 00:03:56,390
وين؟ في داخل الـ Cluster اللي موجود عندنا، فعلياً أنا

58
00:03:56,390 --> 00:04:03,710
في عندي مجموعة من الـ Linkage Criteria، وهذه الـ

59
00:04:03,710 --> 00:04:07,470
Linkage Criteria بتحدد فعلياً هل هدول الـ Clusters

60
00:04:07,470 --> 00:04:13,390
Similar أم لا، وبالتالي، يعني بالخلاصة، فكرة الـ

61
00:04:13,390 --> 00:04:16,590
Agglomerative أو الـ Hierarchical Clustering بتبدأ

62
00:04:16,590 --> 00:04:20,890
بأن كل نقطة عبارة عن Cluster مستقل، وبعد هيك بيصير

63
00:04:20,890 --> 00:04:25,810
ادمج ما بين كل Two Clusters، الشرط للدمج أنه في عندي

64
00:04:25,810 --> 00:04:28,530
شيء بنسميه الـ Linkage Criteria أو الـ Linkage

65
00:04:28,530 --> 00:04:31,610
Distance أو الـ Linkage Function اللي هي شرط الدمج

66
00:04:31,610 --> 00:04:36,270
هنا، وهي عبارة عن Distance Measure، لكن مش مع نقطة، مع

67
00:04:36,270 --> 00:04:39,250
Cluster، وبالتالي ممكن أنا آخذ نقطة، نُطبق على

68
00:04:39,250 --> 00:04:43,350
Cluster، ممكن آخذ كل Cluster، وحنشوف الـ Different

69
00:04:43,350 --> 00:04:49,630
Linkage Criteria اللي موجودة عندنا، نبدأ مع أول الـ

70
00:04:49,630 --> 00:04:54,590
Linkage Criteria، الـ Criteria اللي هي الـ Criterion

71
00:04:54,590 --> 00:04:57,450
اللي هي الـ Single، ولما أنا بتكلم على Single

72
00:04:57,450 --> 00:05:04,970
Linkage، بتكلم أنه أنا فعلياً بدور على أقصر Pair

73
00:05:04,970 --> 00:05:09,500
يعني بين جُثتين، بأحسن الـ Point اللي أنا فيه،

74
00:05:09,500 --> 00:05:13,940
عندي Two Clusters، زي... زي ما ال... أوكي، خليني مش

75
00:05:13,940 --> 00:05:17,180
مشكلة، برجع فيه، عندي أنا هنا Two Clusters، Two

76
00:05:17,180 --> 00:05:20,600
Clusters، وفي الـ Two Clusters هدول أنا بروح بدور

77
00:05:20,600 --> 00:05:25,220
على كل النقاط، يعني بحسب النقطة هاي مع كل الـ

78
00:05:25,220 --> 00:05:28,180
Distances الموجودة، في كل الأحوال يا جماعة الخير الـ

79
00:05:28,180 --> 00:05:34,420
Distances هتنحسب ما بين كل عناصر الـ Cluster، وكذلك

80
00:05:34,420 --> 00:05:38,380
High، يعني أنت تخيلها Fully Connected Distances أو

81
00:05:38,380 --> 00:05:41,580
تخيلوها معايا Fully Connected Area، فبتحسب كل الـ

82
00:05:41,580 --> 00:05:46,920
Distances اللي موجودة عندنا، الآن الـ Pair، Pair of

83
00:05:46,920 --> 00:05:51,820
Clusters اللي بيحقق أقصر مسافة بين أي Two Pairs من

84
00:05:51,820 --> 00:05:56,640
النقاط اللي موجودة عندنا، بأخذه على أنه اللي هو الـ

85
00:05:56,640 --> 00:06:01,360
يعني عمل Home Dungeon، يعني لو أنا بدي أُعيد تاني،

86
00:06:04,190 --> 00:06:06,570
لو أنا افترضت أن أنا في عندي Three Different

87
00:06:06,570 --> 00:06:15,230
Clusters، لو

88
00:06:15,230 --> 00:06:22,170
كان أنا في عندي Another Cluster، والـ Cluster ده

89
00:06:22,170 --> 00:06:28,230
فيه مجموعة من النقاط، تبدأ

90
00:06:28,230 --> 00:06:31,170
المسافات تُحسب ما بين كل النقاط اللي موجودة في كل

91
00:06:31,170 --> 00:06:37,190
اتجاه، من كل نقطة، الـ Pair of Clusters اللي بتحقق

92
00:06:37,190 --> 00:06:41,910
أقصر مسافة بين أي نقطتين موجودتين فيهم، بنعتمد أن

93
00:06:41,910 --> 00:06:45,250
هدول الـ Clusters، في حين أن أنا في عندي هنا في

94
00:06:45,250 --> 00:06:50,490
Pair بعيد جداً، وأنا ما بدور هون، بدور على أقصر

95
00:06:50,490 --> 00:06:54,850
المسافات، يعني الآن هدول أقرب نقطتين لبعض، هيهم

96
00:06:54,850 --> 00:07:01,800
بأقارن المسافة هذه ومسافة هذين، من أقصر المسافة هذه،

97
00:07:01,800 --> 00:07:05,920
أقصر، معناته هذين الاثنين بنعمل لهم دمج مع بعضهم،

98
00:07:05,920 --> 00:07:09,020
على أنهم هدول ايش؟ بيصيروا الـ Next Level أو الـ

99
00:07:09,020 --> 00:07:12,940
Next Cluster، هذه فكرة، كمان مرة، الـ Single Linkage،

100
00:07:12,940 --> 00:07:17,060
طبعاً احنا ليش بحاول أوضحها هون أكثر لأن فعلياً احنا

101
00:07:17,060 --> 00:07:21,660
محتاجين نفهمها كويس، لأن أنا فعلياً بدي كل النقاط

102
00:07:21,660 --> 00:07:26,230
اللي موجودة تكون داخلة في الحسبة، بنرجع كمان مرة في

103
00:07:26,230 --> 00:07:28,970
عندي أنا Single Linkage، و Single Linkage بعمل

104
00:07:28,970 --> 00:07:32,270
Combine لـ Two Clusters لما بيكون فيهم الـ Shortest

105
00:07:32,270 --> 00:07:37,610
Pair، لما يكون في عندي أنا فعلياً ال... هذه البيانات

106
00:07:37,610 --> 00:07:42,390
تبعتي، أصغر

107
00:07:42,390 --> 00:07:46,630
ما بين الـ Minimum Distance Between Any Pair، بشرط

108
00:07:46,630 --> 00:07:49,870
أن هدول الـ Pair ما يكونوش تمدمجهم مسبقاً، طبعاً،

109
00:07:53,060 --> 00:07:58,420
كمان مرة، لو أنا افترضت أن هنا في عندي Another

110
00:07:58,420 --> 00:08:02,020
Cluster، و

111
00:08:02,020 --> 00:08:06,580
الـ Cluster هي وهي النقاط اللي موجودة، دائماً

112
00:08:06,580 --> 00:08:10,900
دائماً في عملية، وهنا في كمان واحد، دائماً في عملية

113
00:08:10,900 --> 00:08:14,620
الدمج، بروح

114
00:08:14,620 --> 00:08:18,140
بدور، لما بتكلم عن الـ Single Linkage، بروح بدور على

115
00:08:18,140 --> 00:08:20,820
أقصر مسافة، هدول أقرب نقطتين، بحسب الـ Distance بينهم

116
00:08:21,540 --> 00:08:24,920
هو كيف بده يدور على أنه أقرب نقطتين؟ هو فعلياً بتم

117
00:08:24,920 --> 00:08:28,340
حسب الـ Distance ما بين كل العناصر اللي في الـ

118
00:08:28,340 --> 00:08:31,800
Clusters، يعني النقطة هذه مع كل العناصر اللي موجودة

119
00:08:31,800 --> 00:08:37,660
هنا، وبيعتمد أقصر مسافة، النقطة مع كل العناصر، كل النقاط

120
00:08:37,660 --> 00:08:40,880
اللي هنا مع كل النقاط اللي هنا، وبيعتمد أقصر مسافة،

121
00:08:40,880 --> 00:08:46,220
وبالتالي، لو أنا هذه النقطة هيروح يحسبها مع هذول

122
00:08:46,220 --> 00:08:50,440
كمان، وبيعتمد هذه أقصر مسافة، الآن هي مسافة هذين،

123
00:08:50,440 --> 00:08:54,460
ثلاثة، هدول أقصر، أقصر واحدة فيهم، هذه، بيروح

124
00:08:54,460 --> 00:09:00,800
بعمل دمج لمين؟ لهذول، اصحاب Single Linkage، بتمنى

125
00:09:00,800 --> 00:09:02,260
تكون الفكرة وصلت

126
00:09:12,500 --> 00:09:15,880
الـ Criterion الثاني اللي موجودة عندي أنا اللي هي

127
00:09:15,880 --> 00:09:21,140
الـ Average، والـ Average هنا بتتكلم على أنه أنا

128
00:09:21,140 --> 00:09:24,500
بيعمل Merge لـ Two Clusters، اللي بيكون Shortest

129
00:09:24,500 --> 00:09:28,820
Average Distance، Shortest Average Distance، يعني

130
00:09:28,820 --> 00:09:36,200
ايش اللي حيصير؟ بعد ما راح حسب كل الـ Distances بين

131
00:09:36,200 --> 00:09:37,060
كل النقاط،

132
00:09:58,300 --> 00:10:01,740
بين كل النقاط، ايش بروح بيساوي؟ بياخد الـ Average

133
00:10:01,740 --> 00:10:05,660
تبعت الـ Distance، لاحظوا أنا في كل مرة بيعمل

134
00:10:05,660 --> 00:10:09,540
Marriage لـ Two Clusters فقط، تمام؟ بيعمل Marriage لـ

135
00:10:09,540 --> 00:10:13,680
Two Clusters فقط، فهو بيروح بيحسب كل الـ Averages أو

136
00:10:13,680 --> 00:10:17,520
بيحسب كل الـ Distances وبياخد الـ Average في الـ

137
00:10:17,520 --> 00:10:20,080
Simple Linkage، أو عفواً في الـ Single، أنا غلطان هنا

138
00:10:20,080 --> 00:10:23,260
في الكتابة، طبعاً Simple Linkage

139
00:10:38,990 --> 00:10:50,390
Single، Single Linkage، سامحوني،

140
00:10:50,390 --> 00:10:54,090
هذه أسهل حاجة أعملها الآن، لأن أنا حولت لصورة، و

141
00:10:54,090 --> 00:11:04,190
ما بدي أرجع أُعيد نفس ال... Okay، Shift

142
00:11:04,190 --> 00:11:08,490
F5، بنتكلم هنا إنه أنا بتكلم على الـ Single Linkage،

143
00:11:08,490 --> 00:11:12,010
أخذت أقصر، لكن هون حسبت كل النقاط، وبالتالي أخذت الـ

144
00:11:12,010 --> 00:11:14,570
Average، عشان إذا حاولت أرسم السهم هون، يمثل للـ

145
00:11:14,570 --> 00:11:21,990
Center تبع الـ Clusters اللي موجودين عندنا، هذه

146
00:11:21,990 --> 00:11:28,730
الـ Average، بالنسبة للـ... للـ Complete، بياخد الـ

147
00:11:28,730 --> 00:11:34,150
Maximum Linkage، بياخد... بيعتمد... من وين؟ أطول...

148
00:11:34,150 --> 00:11:39,200
أبعد نقطتين، أقصر مسافة بين أبعد نقطتين، بروح، بروح

149
00:11:39,200 --> 00:11:42,100
مالهم، جنب

150
00:11:43,400 --> 00:11:47,280
يعني لو أنا أجيت هنا، هذه العناصر اللي موجودة عندنا،

151
00:11:47,280 --> 00:11:50,480
بحسب كل الـ Distances اللي موجودة عندنا، بكل

152
00:11:50,480 --> 00:11:55,060
الاتجاهات، مع كل الـ Clusters، هذه أقصر... يعني هدول

153
00:11:55,060 --> 00:11:58,580
أبعد نقطتين، نعم، لكن هذه الـ Distance اللي بين الـ Two

154
00:11:58,580 --> 00:12:03,040
Clusters هدول، هي عبارة عن أقصر مسافة، مماثلة مع

155
00:12:03,040 --> 00:12:06,200
Different Clusters، فبقرر أنه يعمل Merge للـ

156
00:12:06,200 --> 00:12:11,060
Clusters اللي موجودين عندنا، النوع الثالث اللي هو الـ

157
00:12:11,060 --> 00:12:15,020
Ward، الـ Ward، الـ Ward، أو الـ Ward، لما أنا

158
00:12:15,020 --> 00:12:21,520
بتكلم هنا، بتكلم عن الـ Ward، القسم هنا، بدور، النوبة هو

159
00:12:21,520 --> 00:12:27,820
يعمل Merge لـ Two Clusters، لما يقلل

160
00:12:27,820 --> 00:12:31,160
الـ Variance بين الـ Clusters الموجودة، يقلل

161
00:12:31,160 --> 00:12:35,080
الاختلافات بين الـ Clusters، يعني هو الآن بيحسب كل

162
00:12:35,080 --> 00:12:39,460
النقاط، كل الـ Distances اللي موجودة عنده، بيحسب كل

163
00:12:39,460 --> 00:12:43,380
الـ Distances وبيحسب كل الـ Distances وبيحاول يشوف

164
00:12:43,380 --> 00:12:48,720
مين أقرب Cluster في الاختلافات، في الـ Elements اللي

165
00:12:48,720 --> 00:12:53,240
موجود عنده هون، وبيروح بدمجهم، يعني هو ايش بيروح

166
00:12:53,240 --> 00:12:54,420
بساوي؟ بكل بساطة،

167
00:12:58,220 --> 00:13:01,320
بعد ما بيروح بيحسب، بيحسب كل الـ Areas، بيحسب الـ Variance

168
00:13:01,320 --> 00:13:04,540
هنا، الاختلاف، والـ Variance اللي هنا مع الـ Cluster

169
00:13:04,540 --> 00:13:09,200
الثالث، الـ Variance وأقل Clusters في اختلاف الـ

170
00:13:09,200 --> 00:13:13,340
Variance اللي بينهم، بيروح بدمجهم، ليش؟ عشان يحافظ على

171
00:13:13,340 --> 00:13:17,240
التشابه ما بين الـ Two Different Clusters، يعني أنت

172
00:13:17,240 --> 00:13:21,220
تخيل أن في عندك Cluster كبير جداً وعندك Cluster

173
00:13:21,220 --> 00:13:25,250
صغير جداً، هدول الـ Two Clusters صعب أنهم يدمجوا، ليش؟

174
00:13:25,250 --> 00:13:28,690
مع الـ Ward، لأنهم فعلياً الـ Variance تبعتهم عالية

175
00:13:28,690 --> 00:13:32,190
جداً، فهو بيروح بدور على الـ Clusters المشابهة بداخله،

176
00:13:32,190 --> 00:13:36,730
By Default، بالمناسبة الـ Ward هي الـ Default Linkage


223
00:17:09,140 --> 00:17:12,320
Hierarchical Clustering نفس.. نفس الكلام، يعني أنه

224
00:17:12,320 --> 00:17:18,240
يحتاج كل point أن تدخل برحلة أن تصبح cluster مستقلة

225
00:17:18,240 --> 00:17:22,860
ذاتها، وستنتمي إلى آخر cluster، يعني هذا الفرق الأساسي

226
00:17:22,860 --> 00:17:26,000
ما بين الـ agglomerative و الـ hierarchical.

227
00:17:26,000 --> 00:17:31,160
الـ agglomerative فعلياً سيُدمجها لي، لكن في المحصلة

228
00:17:31,160 --> 00:17:34,280
الأخيرة يا جماعة الخير، أنا حصلت على partitional

229
00:17:34,280 --> 00:17:37,920
clustering. ملاحظين هنا، الرسمة الأخيرة في step 9 هي

230
00:17:37,920 --> 00:17:41,180
عبارة عن partitional لأن ليس لديّ عناصر

231
00:17:51,050 --> 00:17:56,350
لكن في الـ hierarchical، لا، أنا أستطيع أن أحافظ على أن

232
00:17:56,350 --> 00:18:02,330
العناصر التابعة تكون disjoint حتى مستوى معين. طيب،

233
00:18:02,330 --> 00:18:05,870
الآن، كما قلنا، هذه هي الرسمة التي يمكنني الاعتماد عليها.

234
00:18:05,870 --> 00:18:09,390
هو أن أقول أن، والله، هذا ما أفهمه من هذه، أن كل

235
00:18:09,390 --> 00:18:16,390
واحدة من هذه كانت بهذا الشكل: 1 و 4 اندمجت معهما 2 و

236
00:18:16,390 --> 00:18:22,090
8، اندمجت معهما 3 و 5 مستقلة، 0 و 1 و 2 اندمجت معهما 5

237
00:18:22,090 --> 00:18:28,190
و 6 و 9، اندمجت معهما 7 و 10، اندمجت معهما 7 و 10

238
00:18:28,190 --> 00:18:28,470
اندماجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت

239
00:18:28,470 --> 00:18:28,830
معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و

240
00:18:28,830 --> 00:18:29,230
10 اندمجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت

241
00:18:29,230 --> 00:18:29,590
10 اندمجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت

242
00:18:29,590 --> 00:18:33,470
معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و

243
00:18:33,470 --> 00:18:39,300
10 اندمجت معهما 7 و 10. ولكن لو أخذت نظرة

244
00:18:39,300 --> 00:18:44,920
جانبية، يعني أنني أتعرف على شئ اسمه الـ

245
00:18:44,920 --> 00:18:49,200
Dendrogram. الـ Dendrogram عبارة عن رسم تخطيطي يخدمني

246
00:18:49,200 --> 00:18:55,140
في فهمي للبيانات الموجودة.  الـ visualization

247
00:18:55,140 --> 00:18:58,080
مهم جداً، لكي أستطيع أن أرى وأفهم العناصر التي

248
00:18:58,080 --> 00:19:03,620
موجودة في موضوع الـ hierarchical clustering، والـ

249
00:19:03,620 --> 00:19:09,000
dendrogram التي أرغب في تمثيلها، وبالتالي، ولما الـ

250
00:19:09,000 --> 00:19:13,000
visualization يعطيني detailed view للـ hierarchical

251
00:19:13,000 --> 00:19:16,380
clustering، فهذا يعني أنها ما زالت في البعدين

252
00:19:16,380 --> 00:19:22,180
الأساسيين الموجودة، وبالتالي، أنا سأبقى أشتغل، و

253
00:19:22,180 --> 00:19:26,500
سأبقى أسأل، وسنبقى نحاول أن نرسم الـ Dendrogram. أنتَ

254
00:19:26,500 --> 00:19:30,140
تخيل الرسمة معي، لو ظهرت معي بهذا الشكل، طبعاً

255
00:19:30,140 --> 00:19:33,640
هذان الرسمتان للـ Dendrogram هما الأساس الموجود

256
00:19:33,640 --> 00:19:36,640
عندي هنا. الأولى، كما قلت لك، هي عبارة عن

257
00:19:36,640 --> 00:19:40,420
الصورة العمودية من فوق، للـ clusters، ورأيت التجميعات

258
00:19:40,420 --> 00:19:45,020
بينما هنا، أنا أتحدث عن أنني أرى البيانات كلها في

259
00:19:45,020 --> 00:19:49,240
الـ 2D، أراها من نظرة جانبية، وهذه الرسمة هي عبارة

260
00:19:49,240 --> 00:19:52,520
عن الـ Dendrogram. الآن، فكرة الـ Dendrogram أو الـ

261
00:19:52,520 --> 00:19:56,120
Hierarchical Clustering الأساسية هي أنني أستطيع أن أحصي

262
00:19:56,120 --> 00:20:00,680
على أي عدد من الـ clusters التي أحتاجها، يعني تخيل أنا

263
00:20:00,680 --> 00:20:04,620
أحتاج three clusters، وسيبقى كل خط عمودي في الرسمة

264
00:20:04,620 --> 00:20:10,180
يمثل cluster. أريد three clusters، ها هي. أريد اثنين،

265
00:20:10,180 --> 00:20:16,120
ها هما. لاحظ؟ لماذا؟ لأنها فعلياً هذه كلها مع بعضها

266
00:20:17,510 --> 00:20:21,190
عبارة عن cluster، وهذه مع بعضها عبارة عن cluster.

267
00:20:21,190 --> 00:20:27,750
ثانياً، رسمت العمود مع العناصر الموجودة.  أريد

268
00:20:27,750 --> 00:20:34,750
ثلاثة. هذه الثلاثة ستصبح مع بعضها. إذا

269
00:20:34,750 --> 00:20:39,770
أنا أريد أن أتحدث عن three clusters، يعني هذا واحد،

270
00:20:39,770 --> 00:20:44,030
العشرة معها طبعاً، اثنان،

271
00:20:48,010 --> 00:20:55,110
و هذا ثلاثة. هل أريد أكثر؟ نعم، لكن ماذا أريد؟ أن أزال

272
00:20:55,110 --> 00:21:01,330
الـ scale الخاص بعدد الـ clusters إلى الأسفل، إلى أين؟

273
00:21:01,330 --> 00:21:10,890
أريد أن يكون مثلاً، لو أنزلت عدد الـ clusters إلى هنا،

274
00:21:10,890 --> 00:21:14,690
يعني أنا أتحدث عن single cluster واحد.

275
00:21:17,600 --> 00:21:25,440
لا، ليس واحداً. الآن، هذا عندك واحد، هذا

276
00:21:25,440 --> 00:21:32,020
اثنان، هذا ثلاثة، عشرة على حالها، هذا أربعة. أنا هنا

277
00:21:32,020 --> 00:21:37,480
أتحدث عن four clusters، بناءً على النقطة التي

278
00:21:37,480 --> 00:21:43,410
اخترتها. أهم شيء في الموضوع أنه أنا فعلياً لما أحصل

279
00:21:43,410 --> 00:21:46,690
على الـ dendrogram، أستطيع أن أحصل على أي عدد من الـ

280
00:21:46,690 --> 00:21:50,410
clusters التي أريده. أريد أن أعود مرة أخرى لأقول والله

281
00:21:50,410 --> 00:21:57,490
أنا هنا أريد.. لو افترضت أنني هنا، هذا الخط

282
00:21:57,490 --> 00:22:03,590
الخاص بي، عفواً،

283
00:22:03,590 --> 00:22:05,630
رسمتي غير دقيقة بعض الشيء.

284
00:22:12,280 --> 00:22:15,960
لو مشيت هنا، وقلت هذا مع الاثنين هنا، أريد

285
00:22:15,960 --> 00:22:22,820
أن أمشي، okay.

286
00:22:22,820 --> 00:22:26,240
أفضل من الأول. لو سألتك عند هذا الخط، كم cluster

287
00:22:26,240 --> 00:22:29,940
أحصل عليه؟ أستطيع أن أقول أنني أتحدث عن four clusters.

288
00:22:29,940 --> 00:22:41,220
four clusters: هذا واحد، يجمع واحد وأربعة. ثانياً، ايوه،

289
00:22:45,790 --> 00:22:56,350
الثالث، العشرة وحدها، والرابع، هذه. عفواً، ليس أربعة،

290
00:22:56,350 --> 00:23:03,050
هذه خمسة، five clusters، خمسة

291
00:23:03,050 --> 00:23:07,890
clusters. طبعاً، هناك فائدة أخرى من الـ dendrogram، أنا

292
00:23:07,890 --> 00:23:10,810
أستطيع أن أفهم أنه على الرغم من أن الـ cluster

293
00:23:10,810 --> 00:23:14,590
الأخير هذا، الذي فيه 7 و 6 و 9، هذه الـ elements

294
00:23:14,590 --> 00:23:16,610
في نفس الـ cluster، إلا أنه من خلال الـ

295
00:23:16,610 --> 00:23:21,370
dendrogram، أستطيع أن أفهم أن 6 و 9 instances أقرب

296
00:23:21,370 --> 00:23:26,150
لبعض من 7. كذلك، 0 و 11 في الـ cluster

297
00:23:26,150 --> 00:23:32,370
الثالث، و 2 و 8 في الـ cluster الثاني. لكي نستطيع

298
00:23:32,370 --> 00:23:36,790
أن نطبق هذا المثال، في مثال مشهور جداً أخذته سابقاً من

299
00:23:36,790 --> 00:23:38,990
الـ slide الخاصة بالدكتور علاء، جزاه الله خيراً،

300
00:23:38,990 --> 00:23:42,230
المثال

301
00:23:42,230 --> 00:23:49,430
المشهور أيضاً. أنا لديّ خريطة إيطاليا، وأريد

302
00:23:49,430 --> 00:23:56,280
أن أعتبر أن المدن هذه بمثابة Clustering، هو أنا الـ

303
00:23:56,280 --> 00:23:59,660
clusters، وأريد أن أذهب لأعمل بينها merge، لأرى

304
00:23:59,660 --> 00:24:05,020
أقرب المدن لبعضها، باعتماد على الـ single linkage

305
00:24:05,020 --> 00:24:15,120
criterion. single linkage criterion. الآن، عفواً، لما

306
00:24:15,120 --> 00:24:19,800
أنا أتحدث، هذه رموز للولايات أو المدن في إيطاليا.

307
00:24:19,800 --> 00:24:22,980
طبعاً، من ذهب إلى إيطاليا من بينكم؟ لأن أنتم

308
00:24:22,980 --> 00:24:30,150
فرحانين.  لكن، بالطبع، بارما

309
00:24:30,150 --> 00:24:39,190
ليست من ضمنها، أو موجودة. هي بارما. طيب، الآن فعلياً، الـ

310
00:24:39,190 --> 00:24:43,710
contingency matrix، النتيجة التي ستحصل عليها عبارة عن

311
00:24:46,160 --> 00:24:50,160
Symmetric Matrix، وفيها كل العناصر الموجودة

312
00:24:50,160 --> 00:24:57,900
عندي هنا. وبناءً عليها، أنا أريد أن أقرر. الآن، بارما، بارما،

313
00:24:57,900 --> 00:25:04,620
أقصر distance، أين؟ مع من؟ فأنا فعلياً أذهب لأبحث عن

314
00:25:04,620 --> 00:25:09,200
الـ shortest distance. أنا الآن هنا، okay، 250، وأبدأ

315
00:25:09,200 --> 00:25:13,580
أن أبحث. لكن، عندما وجدنا أن هناك مسافة أقصر منها موجودة،

316
00:25:13,580 --> 00:25:13,800
أين؟

317
00:25:16,920 --> 00:25:23,360
تربط Milano و TMI و TO، وبالتالي، هذه أقصر

318
00:25:23,360 --> 00:25:26,720
ملاحظين يا جماعة الخير، أنا رأيت الـ distance مع

319
00:25:26,720 --> 00:25:31,300
الكل، بين الكل.  لم أعتمد السفر، لأنها مدينة مع

320
00:25:31,300 --> 00:25:33,460
نفسها. لا أريدها cluster مع نفسها، أو الـ

321
00:25:33,460 --> 00:25:38,160
instance مع نفسها. لكن هنا، ذهبت لأبحث حتى وصلت إلى

322
00:25:38,160 --> 00:25:42,820
مسافة أصغر، مسافة في كل المسافات الموجودة لديّ

323
00:25:42,820 --> 00:25:52,650
هنا، وبالتالي، فعلياً هذه المسافة هنا، و

324
00:25:52,650 --> 00:26:01,150
نفس الكلام، mi مع كل المدن، و fi مع كل المدن، كل الـ

325
00:26:01,150 --> 00:26:07,630
possible distances حسبتها. يعني، إذا تكلمت من mi

326
00:26:07,630 --> 00:26:18,920
إلى ba، mi إلى ba، هي ثمانمائة وسبعة وسبعون كيلومتراً. ففي النهاية

327
00:26:18,920 --> 00:26:21,980
أنا أعتمد فقط على مسافة واحدة فقط، التي هي

328
00:26:21,980 --> 00:26:26,100
shortest، لأن هذه الـ minimum distance، حسب الـ

329
00:26:26,100 --> 00:26:32,240
linkage criteria.  معناته، أنا سأدمج الـ mi و الـ

330
00:26:32,240 --> 00:26:33,500
to، تمام.

331
00:26:36,100 --> 00:26:41,560
وهذا أول cluster حصلت عليه، سأسميه marriage رقم

332
00:26:41,560 --> 00:26:48,520
1. ممتاز. فلما أنا أدمج MIT و MIT، MIT MIT MIT MIT MIT

333
00:26:48,520 --> 00:26:49,180
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

334
00:26:49,180 --> 00:26:49,760
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

335
00:26:49,760 --> 00:26:51,240
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

336
00:26:51,240 --> 00:26:51,980
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

337
00:26:51,980 --> 00:26:52,080
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

338
00:26:52,080 --> 00:26:52,620
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

339
00:26:52,620 --> 00:26:52,640
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

340
00:26:52,640 --> 00:26:53,360
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

341
00:26:53,360 --> 00:26:53,560
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

342
00:26:53,560 --> 00:26:53,740
MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT

343
00:26:53,740 --> 00:26:56,560
MIT MIT MIT

344
00:27:06,430 --> 00:27:09,370
ماذا عن علاقة الـ cluster الجديد هذا مع الـ

345
00:27:09,370 --> 00:27:10,950
elements الأخرى؟

346
00:27:16,670 --> 00:27:21,730
إن هذا هو الـ cluster. متفقون؟ الآن، الـ cluster الجديد

347
00:27:21,730 --> 00:27:25,690
هذا، أنا سأتعامل معه، سأضع له قيمة تمثله،

348
00:27:25,690 --> 00:27:32,230
تمثل علاقته، لأنه هذا عبارة عن cluster جديد. ما

349
00:27:32,230 --> 00:27:34,290
هو الـ distance بين هذا الـ cluster وباقي الـ clusters

350
00:27:34,290 --> 00:27:38,770
الأخرى؟ سآخذ الـ minimum distance ما بين كل

351
00:27:38,770 --> 00:27:43,410
العناصر الموجودة. بمعنى، أقول كالتالي في السطر

352
00:27:43,410 --> 00:27:53,780
الأول هنا، لما أريد أن أدمج أي و تي أو مع

353
00:27:53,780 --> 00:27:57,900
الـ بي إي، هذه التي ستصبح one cluster. يعني هنا

354
00:27:57,900 --> 00:28:06,580
هذا العمود سيبقى فارغاً مثلاً، وسأضع هنا تي أو و

355
00:28:06,580 --> 00:28:11,120
مأي. بغض النظر عن من دمجت مع من، ليست قضية كبيرة.

356
00:28:11,120 --> 00:28:17,000
تمام. الآن، الـ بي إي، لديّ مسافة، لديّ مسافتان،

357
00:28:17,000 --> 00:28:19,740
أي منهما سآخذ؟ بما أنني ما زلت أعتمد على الـ

358
00:28:19,740 --> 00:28:22,840
single linkage، معناته أنا سآخذ الـ shortest

359
00:28:22,840 --> 00:28:33,280
distance. أي منهما أقصر؟ 877 أم 996؟ لا، 877 مع الـ FI. الآن

360
00:28:33,280 --> 00:28:41,920
الـ FI، لديّ 295 و 400، سأعتمد 295. هذه ستبقى

361
00:28:41,920 --> 00:28:49,960
صفر، لن تتغير. وحتى التي هي الأقصر. الآن، لديّ 457،

362
00:28:49,960 --> 00:28:53,100
طبعاً هذا الخام أيضاً، أنا أحتاج أن أنهي منه. جامعة الخير،

363
00:28:53,100 --> 00:28:59,660
لا تنسوا 754، ولدي 869،

364
00:28:59,660 --> 00:29:06,520
سأعتمد هذه. ولدي 564،

365
00:29:06,520 --> 00:29:11,930
سأعتمدها. وبالتالي، الجدول الجديد سيكون بهذا الشكل.

366
00:29:11,930 --> 00:29:17,770
هذا، باقي الأرقام لم تتغير. أنا أنهيت من الصف والعمود

367
00:29:17,770 --> 00:29:21,890
الذي كان يمثل الـ TO، واعتمدت على الـ shortest

368
00:29:21,890 --> 00:29:25,090
distance الموجودة. إن شاء الله لم أخطئ الحساب.

369
00:29:25,090 --> 00:29:29,610
ثمانمائة وسبعة وسبعون، ثنين، تسعة، خمسة، صفر.

370
00:29:37,510 --> 00:29:41,110
أول عملية تمت، موجودة عندي، باعتماد على single

371
00:29:41,110 --> 00:29:41,510
linkage.

372
00:29:44,500 --> 00:29:47,860
أريد أن أكرر نفس العملية، لأعمل دمج، سأبدأ بالبحث عن

373
00:29:47,860 --> 00:29:52,500
shortest distance. أي 255 في الصف الأول، هي أقصر

374
00:29:52,500 --> 00:29:57,600
مسافة حتى اللحظة. 255،

375
00:29:57,600 --> 00:30:05,420
هي الأقصر. 255، 255، 255 هي الأقصر. معناته، الآن أريد

376
00:30:05,420 --> 00:30:10,920
أن نعمل دمج ما بين الـ NA و الـ BA. بنفس الكلام

377
00:30:10,920 --> 00:30:22,700
السابق، سأنتهي من عمود الـ Na وصف الـ Na. تمام، علاقتهما

378
00:30:22,700 --> 00:30:28,580
ستكون، سنضعهما في عمود واحد، أي distance التي احتفظت

379
00:30:28,580 --> 00:30:33,300
بهما. الآن، هذه لن تتغير، لأنها ستأتي من العمود الذي

380
00:30:33,300 --> 00:30:40,140
عندها بـ A، Na.

381
00:30:42,020 --> 00:30:46,560
صفر. تمام، هذه عندها ستمائة واثنين وستين، ولديّ

382
00:30:46,560 --> 00:30:51,280
أربعمائة وثمانية وستين. لا، سأعتمد المسافة الأقصر.

383
00:30:51,280 --> 00:30:59,140
أربعمائة وثمانية وستين، عندها

384
00:30:59,140 --> 00:31:07,240
ثمانمائة وسبعة وسبعون، وعندها سبعمائة وأربعة وخمسون،

385
00:31:07,240 --> 00:31:15,800
سأعتمد السبعمائة وأربعة وخمسون. طبعاً، صفها سيلغى عند

386
00:31:15,800 --> 00:31:19,320
هنا، أربعمائة واثنا عشر، ولدي اثنين وتسعون، سأعتمد

387
00:31:19,320 --> 00:31:24,780
الاثنين وتسعون. لماذا؟ لأنني مرة أخرى أبحث عن

388
00:31:24,780 --> 00:31:30,300
الـ single linkage، وبالتالي أنا أخطأت.

389
00:31:37,670 --> 00:31:45,690
عفواً، أنا أخطأت هنا عند 219، لأنها أقصر. أنا آسف، ليس

390
00:31:45,690 --> 00:31:53,250
كثيراً، يعني أقول أن الخطأ مردود، إن شاء الله، سأصحح. أقصر

391
00:31:53,250 --> 00:32:04,260
مسافة لديّ فعلياً هي هذه،