| 1 | |
| 00:00:21,450 --> 00:00:25,390 | |
| بسم الله الرحمن الرحيم اليوم إن شاء الله بدنا | |
| 2 | |
| 00:00:25,390 --> 00:00:30,590 | |
| نستمر في الموضوع ال data mining بدنا .. كنا حاكينا | |
| 3 | |
| 00:00:30,590 --> 00:00:34,970 | |
| في أولا شي في decision trees و خلصناها و بعد كده | |
| 4 | |
| 00:00:34,970 --> 00:00:40,710 | |
| أرجعنا على البداية ال lecture هذه علشان ناخد | |
| 5 | |
| 00:00:40,710 --> 00:00:44,870 | |
| المواضيع من الأول من البداية فحكينا في | |
| 6 | |
| 00:00:44,870 --> 00:00:47,690 | |
| introduction عن ال data mining و إيش هو | |
| 7 | |
| 00:00:50,880 --> 00:00:54,080 | |
| وحكينا عن ال process of data mining مصموم من ال | |
| 8 | |
| 00:00:54,080 --> 00:00:59,720 | |
| process of data mining وهي عملية بناء knowledge | |
| 9 | |
| 00:00:59,720 --> 00:01:05,100 | |
| -based system باستخدام أسلوب ال data mining الآن | |
| 10 | |
| 00:01:05,100 --> 00:01:08,580 | |
| ال steps تبعتها اللي هو data selection و ال fusion | |
| 11 | |
| 00:01:08,580 --> 00:01:13,100 | |
| و ال transformation وبعدها العملية الأساسية تبعت | |
| 12 | |
| 00:01:13,100 --> 00:01:16,700 | |
| ال data mining باستخدام ال data mining techniques | |
| 13 | |
| 00:01:16,700 --> 00:01:21,800 | |
| أو ال artificial techniques in generalو المرحلة | |
| 14 | |
| 00:01:21,800 --> 00:01:27,720 | |
| الأخيرة الـ Interpretation يعني أن عرض نتائج Data | |
| 15 | |
| 00:01:27,720 --> 00:01:35,220 | |
| Mining على المستخدم لكي يفهم هذا المعرفة و يبني | |
| 16 | |
| 00:01:35,220 --> 00:01:42,840 | |
| على أساسها قرارته تقنيات | |
| 17 | |
| 00:01:42,840 --> 00:01:48,840 | |
| Data Mining في هذه الأمر ممكن تبقى decision treesو | |
| 18 | |
| 00:01:48,840 --> 00:01:52,220 | |
| ممكن تجد نور انتروس و نور و fuzzy systems التكنيكس | |
| 19 | |
| 00:01:52,220 --> 00:01:56,540 | |
| اللي احنا شفناها خلال الفصل هذا وفي موضوع ال oLab | |
| 20 | |
| 00:01:56,540 --> 00:01:59,600 | |
| اللي هو online analytical processing ال online | |
| 21 | |
| 00:01:59,600 --> 00:02:04,800 | |
| analytical processing ما هو سواء تطبيق للتكنيكس | |
| 22 | |
| 00:02:04,800 --> 00:02:08,440 | |
| هذه على ال data من أجل استخلاص اللي هو knowledge | |
| 23 | |
| 00:02:08,440 --> 00:02:11,580 | |
| هذا | |
| 24 | |
| 00:02:11,580 --> 00:02:16,540 | |
| ال oLabيعني أنسب ان احنا ندرس في مادة مخصصة لل | |
| 25 | |
| 00:02:16,540 --> 00:02:20,340 | |
| data mining احنا تركزنا هنا في ال AI على ال | |
| 26 | |
| 00:02:20,340 --> 00:02:25,940 | |
| techniques نفسها توظف في ايه هذه القضايا بتعتمد | |
| 27 | |
| 00:02:25,940 --> 00:02:33,400 | |
| على المثقفات المختلفة فاحنا الآن بنسير على اعتبار | |
| 28 | |
| 00:02:33,400 --> 00:02:37,900 | |
| اللي هو ال statistical methods and data | |
| 29 | |
| 00:02:37,900 --> 00:02:41,620 | |
| visualization ال statistical methods هي عبارة عن | |
| 30 | |
| 00:02:42,370 --> 00:02:47,230 | |
| بنقدر نعتبرها مجموعة ال statistics operations | |
| 31 | |
| 00:02:47,230 --> 00:02:52,410 | |
| عمليات الإحصائية زي ال average standard deviation | |
| 32 | |
| 00:02:52,410 --> 00:02:56,610 | |
| ال maximum ال median ال mean الأمور هذه اللي ايضا | |
| 33 | |
| 00:02:56,610 --> 00:03:04,470 | |
| ممكن توظف فيه أثناء عملية ال data mining فعندك انت | |
| 34 | |
| 00:03:04,470 --> 00:03:06,350 | |
| لان هنا money | |
| 35 | |
| 00:03:12,830 --> 00:03:16,230 | |
| Graphical Data Exploration Techniques Graphical | |
| 36 | |
| 00:03:16,230 --> 00:03:19,550 | |
| Data Exploration Techniques هي بالأساس | |
| 37 | |
| 00:03:19,550 --> 00:03:23,790 | |
| Visualization احنا حاطين الموضوع هذا ال | |
| 38 | |
| 00:03:23,790 --> 00:03:27,750 | |
| statistical methods و ال visualization في نفس ال | |
| 39 | |
| 00:03:27,750 --> 00:03:31,330 | |
| band أو في نفس ال title ليش؟ لأن ال visualization | |
| 40 | |
| 00:03:31,330 --> 00:03:35,870 | |
| يعتمد على ال statistical methods المختلفة يعني كما | |
| 41 | |
| 00:03:35,870 --> 00:03:38,710 | |
| احنا بنحسب ال mean و ال median و ال mode و ال | |
| 42 | |
| 00:03:38,710 --> 00:03:41,820 | |
| range و ال standard deviationفي الآخر هذا ال cover | |
| 43 | |
| 00:03:41,820 --> 00:03:50,420 | |
| بدنا نظهره على ال user عشان ال user يشوفه و يستفيد | |
| 44 | |
| 00:03:50,420 --> 00:03:54,180 | |
| منه في اتخاذ اترارات | |
| 45 | |
| 00:04:02,800 --> 00:04:06,220 | |
| بنطلع على أمثلة Graphical Representation Graphical | |
| 46 | |
| 00:04:06,220 --> 00:04:08,780 | |
| يعني Visual هنا الموضوع Visual Data Visualization | |
| 47 | |
| 00:04:08,780 --> 00:04:12,800 | |
| يعني استخدام Graphical Data Representation Tools | |
| 48 | |
| 00:04:12,800 --> 00:04:18,620 | |
| أو تقنيات من بعض من هذه الأمور ال scatter plots ال | |
| 49 | |
| 00:04:18,620 --> 00:04:22,500 | |
| dot diagrams ال stem plots و ال histograms و ال | |
| 50 | |
| 00:04:22,500 --> 00:04:26,260 | |
| box plots هنطلع على scatter plots بالأساس | |
| 51 | |
| 00:04:29,250 --> 00:04:33,790 | |
| نشوف إيش اللي ممكن نستفيده من scatter plot scatter | |
| 52 | |
| 00:04:33,790 --> 00:04:36,850 | |
| plot عبارة عن two dimensional graph two | |
| 53 | |
| 00:04:36,850 --> 00:04:43,550 | |
| dimensional مش ال three dimensional بيوضح | |
| 54 | |
| 00:04:43,550 --> 00:04:47,430 | |
| represent ال correlation between two variables | |
| 55 | |
| 00:04:47,430 --> 00:04:53,170 | |
| يعني ببساطة شديد هو عبارة عن إيش؟ هاي ال variable | |
| 56 | |
| 00:04:53,170 --> 00:04:56,170 | |
| الأول و هاي ال variable التانيفالعلاقة مابينها | |
| 57 | |
| 00:04:56,170 --> 00:04:59,450 | |
| ممكن تدرسها كيف هي اللي بتغير وبيعتمد عليك ال | |
| 58 | |
| 00:04:59,450 --> 00:05:02,970 | |
| variable التاني فمن هنا اسم scatter plus لأنه كل | |
| 59 | |
| 00:05:02,970 --> 00:05:06,510 | |
| واحدة من ال patterns أو من العيينة انتباهة ال data | |
| 60 | |
| 00:05:06,510 --> 00:05:12,170 | |
| بتمثل على شكل نقطة النقطة هذه النقطة هذه عادة لأنه | |
| 61 | |
| 00:05:12,170 --> 00:05:16,010 | |
| في علاقة ما بين ال X وما بين ال Y فالنقطة هذه | |
| 62 | |
| 00:05:16,010 --> 00:05:23,610 | |
| دائما تيجي اما يعني مثلا تيجي | |
| 63 | |
| 00:05:24,270 --> 00:05:32,410 | |
| مع بعض ومشي في اتجاه تساعدي او تنازلي او ممكن تبقى | |
| 64 | |
| 00:05:32,410 --> 00:05:38,750 | |
| مافيش اي علاقة ما بينهم التكتل هذا يوحي وجود علاقة | |
| 65 | |
| 00:05:38,750 --> 00:05:45,630 | |
| ما بين ال X وY كيف؟ ان كل نقطة .. كل نقطة .. اذا | |
| 66 | |
| 00:05:45,630 --> 00:05:50,850 | |
| ال value تبعها ال X value تبع ال pattern يبقى كبير | |
| 67 | |
| 00:05:50,850 --> 00:05:57,700 | |
| يبقى ال Y value كبيرهو صغير و بقى صغير هنا نفس | |
| 68 | |
| 00:05:57,700 --> 00:06:03,760 | |
| الشيء بس عكسي لما نيبقى ال X كبير و ال Y منخفض ففي | |
| 69 | |
| 00:06:03,760 --> 00:06:06,700 | |
| نوع من ال correlation ما بين ال X وما بين ال Y بس | |
| 70 | |
| 00:06:06,700 --> 00:06:09,860 | |
| كانت ال plot إذا في correlation بنشوفها visually | |
| 71 | |
| 00:06:09,860 --> 00:06:18,280 | |
| الان إيه شغلت ال visual visualization بموضوع | |
| 72 | |
| 00:06:18,280 --> 00:06:21,020 | |
| ال data mining و بموضوع ال AI و بموضوع ال decision | |
| 73 | |
| 00:06:21,020 --> 00:06:27,560 | |
| makingلأن هو بيساعد ال decision maker لما احنا | |
| 74 | |
| 00:06:27,560 --> 00:06:31,080 | |
| بنعطيله ال data visual طبعا ال data بعد ما نكون | |
| 75 | |
| 00:06:31,080 --> 00:06:34,000 | |
| عملنا عليها عمليات aggregation و statistical | |
| 76 | |
| 00:06:34,000 --> 00:06:39,780 | |
| analysis و صفناله إليها في متغيرين معينين ال x و | |
| 77 | |
| 00:06:39,780 --> 00:06:44,980 | |
| ال y و عرضناله إليها على شكل plot وجدها هو يستطيع | |
| 78 | |
| 00:06:44,980 --> 00:06:48,900 | |
| أنه يشوف العلاقة visually و يفهم أنه فعلا فيها | |
| 79 | |
| 00:06:48,900 --> 00:06:56,770 | |
| علاقة و على هذا الأساسيقرر ايش اللي بيعمله احنا | |
| 80 | |
| 00:06:56,770 --> 00:07:00,390 | |
| لان هنا لما يكون العلاقة طبيعية نسميها positive | |
| 81 | |
| 00:07:00,390 --> 00:07:04,050 | |
| correlation لما نكون عكسية نسميها negative | |
| 82 | |
| 00:07:04,050 --> 00:07:08,090 | |
| correlation لما مايوجهش فيه اي نوع من العلاقة | |
| 83 | |
| 00:07:08,090 --> 00:07:15,130 | |
| نسميها non-correlation نرجع مرة تانية بس scatter | |
| 84 | |
| 00:07:15,130 --> 00:07:18,950 | |
| plot قلنا عبارة عن ايش؟أتو دمشنال graph for | |
| 85 | |
| 00:07:18,950 --> 00:07:21,950 | |
| representing the degree of correlation between | |
| 86 | |
| 00:07:21,950 --> 00:07:26,430 | |
| representing هو مش هو اللي بحسبها مابحسبش ال | |
| 87 | |
| 00:07:26,430 --> 00:07:29,430 | |
| correlation قديش بس هو ميورينيها represent ال | |
| 88 | |
| 00:07:29,430 --> 00:07:32,770 | |
| correlation between two variables ال data is | |
| 89 | |
| 00:07:32,770 --> 00:07:36,310 | |
| represented as a collection of points كل point | |
| 90 | |
| 00:07:36,310 --> 00:07:42,710 | |
| إلها a coordinate في البواد هذا أو البواد الأخر ال | |
| 91 | |
| 00:07:42,710 --> 00:07:46,230 | |
| X أو ال YThe position of each point on the | |
| 92 | |
| 00:07:46,230 --> 00:07:49,370 | |
| horizontal axis is determined by one variable and | |
| 93 | |
| 00:07:49,370 --> 00:07:55,750 | |
| on the vertical axis by another variable هذي | |
| 94 | |
| 00:07:55,750 --> 00:07:59,230 | |
| المثال اللي شفناه عبارة عن ال core عبارة عن plug | |
| 95 | |
| 00:07:59,230 --> 00:08:08,890 | |
| ده علاقة ال height تبع الأشخاص مع ال weight الكل | |
| 96 | |
| 00:08:08,890 --> 00:08:14,920 | |
| عارف أن ال weight و ال height متناسبوا مع بعضمظبوط | |
| 97 | |
| 00:08:14,920 --> 00:08:30,900 | |
| لأن كل ما زاد الإنسان طوله بزيد وزده وكذا كلها | |
| 98 | |
| 00:08:30,900 --> 00:08:35,260 | |
| مختلفة عن بعضها ممكن | |
| 99 | |
| 00:08:35,260 --> 00:08:40,860 | |
| تكون positive أو negative أو non-correlation | |
| 100 | |
| 00:08:47,020 --> 00:08:53,000 | |
| هذا بالنسبة لـ Scatter Plots الخط الأزرق المعمول | |
| 101 | |
| 00:08:53,000 --> 00:08:57,980 | |
| لو | |
| 102 | |
| 00:08:57,980 --> 00:09:04,040 | |
| حسبنا معادلة الخط المعمول تخيل | |
| 103 | |
| 00:09:04,040 --> 00:09:08,760 | |
| أنه راح اتبع مشارف الـ Scattering و رسم الخط | |
| 104 | |
| 00:09:08,760 --> 00:09:13,400 | |
| بطريقة مخصصة لكن نحسبه لو حسبنا معادلته | |
| 105 | |
| 00:09:18,440 --> 00:09:26,840 | |
| بيفيدنا بشيء غير بيفيدنا بشيء ان انا ارسم الخط هذا | |
| 106 | |
| 00:09:26,840 --> 00:09:32,080 | |
| الخط هذا عبارة عن ايش بتقدر | |
| 107 | |
| 00:09:32,080 --> 00:09:41,900 | |
| تقول يمثل اتجاه ال correlation لو حسبنا معادلة | |
| 108 | |
| 00:09:41,900 --> 00:09:47,460 | |
| الخط هذا بيفيدنا بشيءبفيدنا مش بنقدر استطيع بعد | |
| 109 | |
| 00:09:47,460 --> 00:09:51,420 | |
| هيك انه احنا لو عندي اي data point من غير المجموعة | |
| 110 | |
| 00:09:51,420 --> 00:09:57,120 | |
| هذه وعندي ال X value تبعها مش مقدر اتوقع ال Y | |
| 111 | |
| 00:09:57,120 --> 00:10:02,940 | |
| value لو انا اجالي واحد يقول ان افترض ان هذا هو ال | |
| 112 | |
| 00:10:02,940 --> 00:10:09,920 | |
| correlation بين الوزن و ال height تمام هدولة عبارة | |
| 113 | |
| 00:10:09,920 --> 00:10:15,390 | |
| عن data انا جمعتهاو رسمت ال plot و بعدها طلعت الخط | |
| 114 | |
| 00:10:15,390 --> 00:10:22,270 | |
| هذا بعدها جيبنا وزن لواحد جديد جيبنا الوزن تبعه مش | |
| 115 | |
| 00:10:22,270 --> 00:10:30,050 | |
| بنقدر لو واحد كان ال .. بقول مثلا .. بقول هنا مثلا | |
| 116 | |
| 00:10:30,050 --> 00:10:39,050 | |
| الوزن تبعه plot بس افترض ان في عندنا بيانات بيانات | |
| 117 | |
| 00:10:39,050 --> 00:10:43,410 | |
| أخرى و وجدنا في correlation ما بينهموالان رصدنا | |
| 118 | |
| 00:10:43,410 --> 00:10:46,990 | |
| الخطط مش بيصير بعدها كأنه انا اقدر اتوقع لو اجتني | |
| 119 | |
| 00:10:46,990 --> 00:10:51,610 | |
| عين جديدة ومعايا بس جزء من المعلومة شقة منها بقدر | |
| 120 | |
| 00:10:51,610 --> 00:10:55,450 | |
| اعرف الشقة الآخر وهذا هو موضوع ال regression موضوع | |
| 121 | |
| 00:10:55,450 --> 00:10:58,850 | |
| ال linear regression ال linear regression اللي هو | |
| 122 | |
| 00:10:58,850 --> 00:11:06,610 | |
| انا اقدر احسب ال X ال Y اصفر بناء على ال X بس لازم | |
| 123 | |
| 00:11:06,610 --> 00:11:12,670 | |
| اعرف ال beta 0 و ال beta 1 لانهم همبالظبط الاش | |
| 124 | |
| 00:11:12,670 --> 00:11:16,430 | |
| اللي | |
| 125 | |
| 00:11:16,430 --> 00:11:22,250 | |
| بيحددولي اللي هو معادلة الخط من خلالهم أنا بعرف | |
| 126 | |
| 00:11:22,250 --> 00:11:29,070 | |
| معادلة الخط مر عليكوا linear regression قبل هيك؟ | |
| 127 | |
| 00:11:29,070 --> 00:11:32,250 | |
| regression سواء linear ولا non-linear مر عليكوا | |
| 128 | |
| 00:11:32,250 --> 00:11:36,510 | |
| قبل هيك؟ خلينا نطلع على الطريقة تبع ال linear | |
| 129 | |
| 00:11:36,510 --> 00:11:39,510 | |
| regression بس في الأول بدنا ناخد نتعرف على شوية | |
| 130 | |
| 00:11:39,510 --> 00:11:44,160 | |
| إصلاحاتالان لما انا بحسب لما نكون بعين ال X و | |
| 131 | |
| 00:11:44,160 --> 00:11:48,580 | |
| بتحسب ال Y مين منهم بيعتمد على مين ال Y بيعتمد على | |
| 132 | |
| 00:11:48,580 --> 00:11:52,320 | |
| ال X صح ال X هو بيكون dependent ولا independent | |
| 133 | |
| 00:11:52,320 --> 00:11:58,360 | |
| بيكون independent تمام و ال X is independent و | |
| 134 | |
| 00:11:58,360 --> 00:12:01,640 | |
| هناك بيعتمد عليه ال Y بيعتمد عليه فهو independent | |
| 135 | |
| 00:12:01,640 --> 00:12:07,820 | |
| أو احنا بنسميه regressant أو | |
| 136 | |
| 00:12:07,820 --> 00:12:11,650 | |
| ال output variableoutput variable صح؟ لأن هذا هو | |
| 137 | |
| 00:12:11,650 --> 00:12:14,390 | |
| ال input اللي أنا معايا وانا بدي أحسب من خلال ال y | |
| 138 | |
| 00:12:14,390 --> 00:12:19,190 | |
| تمام؟ الآن ال beta 0 و ال beta 1 اللي هم ال | |
| 139 | |
| 00:12:19,190 --> 00:12:22,810 | |
| coefficients ال regression coefficients هم اللي | |
| 140 | |
| 00:12:22,810 --> 00:12:25,950 | |
| احنا عاوزين نحسبهم عاوزين نحسبهم، متى ما حسبناهم | |
| 141 | |
| 00:12:25,950 --> 00:12:32,770 | |
| خلاص، بصير انا بقدر أطلع ال y و ال .. okay نعم؟ ال | |
| 142 | |
| 00:12:32,770 --> 00:12:37,410 | |
| .. ال .. القضية بتبدأ أو المسألة بتبدأ الشكل هذا | |
| 143 | |
| 00:12:37,410 --> 00:12:38,850 | |
| اللي هو انه انا | |
| 144 | |
| 00:12:42,480 --> 00:12:46,580 | |
| خلّيني أفكّر بس عناصر هذه احنا في عندنا هنا ال y | |
| 145 | |
| 00:12:46,580 --> 00:12:53,940 | |
| هذا في الأول ناخده من هنا ال y bar اللي هو ال | |
| 146 | |
| 00:12:53,940 --> 00:12:59,140 | |
| average average أيش عندي | |
| 147 | |
| 00:12:59,140 --> 00:13:04,700 | |
| النقط الأولى النقط هذه أو هذه أو هذه تخيلوا أنهم | |
| 148 | |
| 00:13:04,700 --> 00:13:11,940 | |
| هبقوا عن جدول صح هي ال x وهي ال yهما coordinates | |
| 149 | |
| 00:13:11,940 --> 00:13:16,580 | |
| يعني انا باخد x و y براه و امثلهم نقطة صح مظبوط كل | |
| 150 | |
| 00:13:16,580 --> 00:13:23,140 | |
| نقطة لها x و لها y فخلاص هذا هيك مجموحهم ال y على | |
| 151 | |
| 00:13:23,140 --> 00:13:27,220 | |
| عددهم yy براه صح و مثل ذلك ال x | |
| 152 | |
| 00:13:38,130 --> 00:13:44,490 | |
| متوسط اللي هو ال y عمود | |
| 153 | |
| 00:13:44,490 --> 00:13:52,530 | |
| ال y فهنا مافيش ضاوي أكتبها و ال x bar نفس الشيء | |
| 154 | |
| 00:13:52,530 --> 00:14:04,130 | |
| الآن احنا بنحسب ال beta zero و ال beta one ال beta | |
| 155 | |
| 00:14:04,130 --> 00:14:09,370 | |
| zero بحسبها من كلال ال beta oneإذا أنا حسبة ال | |
| 156 | |
| 00:14:09,370 --> 00:14:16,770 | |
| beta 1 ال beta 0 بساوي المتوسط ال Y ناقص ال beta 1 | |
| 157 | |
| 00:14:16,770 --> 00:14:23,650 | |
| في متوسط ال X بدنا نجيب هذا الآن و خلاص هذه ال N | |
| 158 | |
| 00:14:23,650 --> 00:14:32,310 | |
| هي حسبة ال beta 1 بتساوي ايش اللي عندك هنا هذا | |
| 159 | |
| 00:14:32,310 --> 00:14:40,870 | |
| عبارة عن مضروب هذه جدول مرة أخرىكل واحدة مضروبة | |
| 160 | |
| 00:14:40,870 --> 00:14:50,890 | |
| في كورنت كل مجموع مضروح منه ناخد مجموعة Y لحالي | |
| 161 | |
| 00:14:50,890 --> 00:14:55,090 | |
| مجموعة | |
| 162 | |
| 00:14:55,090 --> 00:15:02,580 | |
| Y لحالي مجموع X لحالي مضروبين المجميع المضروبةفى | |
| 163 | |
| 00:15:02,580 --> 00:15:05,980 | |
| التانى و بعدين اجمع لأ هنا بجمع و بعدين اضغط و | |
| 164 | |
| 00:15:05,980 --> 00:15:09,120 | |
| بجمع و بعدين اضغط اضغط اضغط اضغط اضغط اضغط اضغط | |
| 165 | |
| 00:15:09,120 --> 00:15:10,100 | |
| اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط | |
| 166 | |
| 00:15:10,100 --> 00:15:11,100 | |
| اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط | |
| 167 | |
| 00:15:11,100 --> 00:15:12,400 | |
| اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط | |
| 168 | |
| 00:15:12,400 --> 00:15:20,260 | |
| اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط اضغط | |
| 169 | |
| 00:15:20,260 --> 00:15:29,840 | |
| اضغط اض | |
| 170 | |
| 00:15:31,770 --> 00:15:38,310 | |
| مرة أخرى هنا ليش باخد ال Y ضارب ال X افترض انا | |
| 171 | |
| 00:15:38,310 --> 00:15:43,290 | |
| استبدالت ال Y برضه بال X صارت XI XI يعني XI تربية | |
| 172 | |
| 00:15:43,290 --> 00:15:51,410 | |
| و هنا برضه نفس الشيء فصار في عندي ايش مجموعة ال X | |
| 173 | |
| 00:15:51,410 --> 00:15:56,570 | |
| بس ليش باخده مرة واحدة باخدوش مرتين لأ بس لأنه انا | |
| 174 | |
| 00:15:56,570 --> 00:16:00,670 | |
| ضاربه ضاربه في بعض .. ضارب المجموعين بطلع عندي ايش | |
| 175 | |
| 00:16:00,670 --> 00:16:07,510 | |
| تربيةيعني مجموعة ال X المجموعة تربية واضحة يعني | |
| 176 | |
| 00:16:07,510 --> 00:16:13,390 | |
| هذه الدوشة كلها صارت بسيطة ان انا باخد ال beta | |
| 177 | |
| 00:16:13,390 --> 00:16:19,710 | |
| بتصير عندي عبارة عن المجموعة | |
| 178 | |
| 00:16:19,710 --> 00:16:26,810 | |
| المظلمين ناقص مضروب المجموعين عالمين على N ونفس | |
| 179 | |
| 00:16:26,810 --> 00:16:32,090 | |
| الكلام اللي اتحت بس لل X لحالهبنحسب ال beta 1 | |
| 180 | |
| 00:16:32,090 --> 00:16:42,370 | |
| بنحسب ال beta 0 وبنستطيع التنبؤ بأي فيمة y بالان | |
| 181 | |
| 00:16:42,370 --> 00:16:53,470 | |
| على ال x اللي معناه ال current | |
| 182 | |
| 00:16:53,470 --> 00:16:59,350 | |
| هذي اللي هحطه هنا ال y هذا ال y المحسوبة اللي حسبت | |
| 183 | |
| 00:17:00,020 --> 00:17:03,660 | |
| أفترض أنا أخذت واحدة من ال points اللي already | |
| 184 | |
| 00:17:03,660 --> 00:17:12,540 | |
| موجودين عندي واحدة من هدولة من غير ما أفكر كثير | |
| 185 | |
| 00:17:12,540 --> 00:17:20,360 | |
| هذه ال points لان لما أنا بحسب بدخل بال X تبعها ال | |
| 186 | |
| 00:17:20,360 --> 00:17:23,480 | |
| X تبعها و بدخل على المعادلة اللي هي إيش | |
| 187 | |
| 00:17:28,390 --> 00:17:34,190 | |
| هو يدخل هنا على البيتلز اللي انا حسبتهم هل يقنعني | |
| 188 | |
| 00:17:34,190 --> 00:17:41,650 | |
| ال y هادى؟ لأ لأنه | |
| 189 | |
| 00:17:41,650 --> 00:17:48,010 | |
| على اساس الخط الفرق ما بين ال y الحقيقية و ال y | |
| 190 | |
| 00:17:48,010 --> 00:17:50,590 | |
| اللي حسبك هذا error | |
| 191 | |
| 00:17:58,430 --> 00:18:02,950 | |
| طبعا هنا ال error بال positive ممكن هنا لو أخدت | |
| 192 | |
| 00:18:02,950 --> 00:18:10,710 | |
| لهذه هيكون ال error بال negative فعمليا | |
| 193 | |
| 00:18:10,710 --> 00:18:16,310 | |
| المعادلة هذه الأخيرة يسمى ال Y الحقيقية ال Y | |
| 194 | |
| 00:18:16,310 --> 00:18:20,990 | |
| الحقيقية هي عبارة عن هذا الكلام هو ال Y اللي | |
| 195 | |
| 00:18:20,990 --> 00:18:26,410 | |
| بحسبها انا زائد ال error لكل نقطة هيكون في error | |
| 196 | |
| 00:18:26,830 --> 00:18:30,830 | |
| بكل نقطة من النقاط اللي انا استنادتهم في حساب ال | |
| 197 | |
| 00:18:30,830 --> 00:18:36,510 | |
| line يوم انا احسبها من خلال ال beta و ال data | |
| 198 | |
| 00:18:36,510 --> 00:18:40,750 | |
| هلاجي في error ممكن | |
| 199 | |
| 00:18:40,750 --> 00:18:43,310 | |
| اجي لواحد الاجي ال error تبعها ال zero اجي اجيها | |
| 200 | |
| 00:18:43,310 --> 00:18:48,250 | |
| مطابق لان واقع على ال line مثل هذه النقطة واقع على | |
| 201 | |
| 00:18:48,250 --> 00:18:52,890 | |
| هذه النقطة اربع اكتر من النقطة واقعين على ال line | |
| 202 | |
| 00:18:52,890 --> 00:18:55,430 | |
| فال error تبعهم هيبقى zero او قريب من ال zero يعني | |
| 203 | |
| 00:19:01,470 --> 00:19:05,670 | |
| هذا ال error نسميه residual residual يعني زي إيش | |
| 204 | |
| 00:19:05,670 --> 00:19:09,930 | |
| لما يبقى يظل معاك حاجة جباجة residual فال error هو | |
| 205 | |
| 00:19:09,930 --> 00:19:15,390 | |
| الفرق ما بين ال y الحقيقية و ال y المحسوبة هذا | |
| 206 | |
| 00:19:15,390 --> 00:19:18,750 | |
| الآن ال regression شكله كويس كتير linear | |
| 207 | |
| 00:19:18,750 --> 00:19:21,810 | |
| regression طبعا ممكن يبقى non linear يعني ممكن | |
| 208 | |
| 00:19:21,810 --> 00:19:26,640 | |
| تبقى العلاقةأداج هذول بيطلع و هيك و بينزل و هيك مع | |
| 209 | |
| 00:19:26,640 --> 00:19:30,840 | |
| بعض و بالتالي بيصير مش line بيصير curve و هذا الو | |
| 210 | |
| 00:19:30,840 --> 00:19:36,140 | |
| معادلة و حسبة مختلفة بس بغض النظر و لا linear و لا | |
| 211 | |
| 00:19:36,140 --> 00:19:41,000 | |
| مش linear إذا أحنا طلعنا ال curve هذا بيكون إشي | |
| 212 | |
| 00:19:41,000 --> 00:19:44,300 | |
| ممتاز عم نجده بيساعدنا في ال prediction في التوقع | |
| 213 | |
| 00:19:44,300 --> 00:19:49,180 | |
| ماشي أقول تنبؤ في التوقع نتوقع أنه لو أجتني ال | |
| 214 | |
| 00:19:49,180 --> 00:19:55,150 | |
| data قيمتها في ال X هالجدر بقدر أطلع ال Yالمهم ان | |
| 215 | |
| 00:19:55,150 --> 00:20:00,730 | |
| احنا عندنا هنا في موضوع ال regression هذا ان | |
| 216 | |
| 00:20:00,730 --> 00:20:07,990 | |
| احيانا ال data ماتبقاش nice زي هيك ممكن تشوف ان | |
| 217 | |
| 00:20:07,990 --> 00:20:15,430 | |
| هناك data جاي هنا او هنا او هنا يعني كلهم machines | |
| 218 | |
| 00:20:15,430 --> 00:20:20,030 | |
| سوا مع بعض شوف هذا هذا مطرف بس مش مطرف كتير هذا | |
| 219 | |
| 00:20:20,030 --> 00:20:26,100 | |
| مطرف كتير هذا مطرف كتير هذا هى اثر علىجودة حساب | |
| 220 | |
| 00:20:26,100 --> 00:20:31,520 | |
| الـ Beta 0 و Beta 1 هذا | |
| 221 | |
| 00:20:31,520 --> 00:20:36,200 | |
| ما نسميه Outliers النقاط المطرفة هذه في اللغة | |
| 222 | |
| 00:20:36,200 --> 00:20:41,560 | |
| العربية نقول مطرف في اللغة العربية فصحى شواذ | |
| 223 | |
| 00:20:41,560 --> 00:20:46,900 | |
| نسميها شواذ فهذه ال outliers بتأثر على الحساب | |
| 224 | |
| 00:20:46,900 --> 00:20:52,900 | |
| تبعنا لأن هنا ال curve على هذه النقاطوالنقاط في | |
| 225 | |
| 00:20:52,900 --> 00:20:56,700 | |
| هذه الشكلة من حسب الخط فجأة بالظبط عليها لأنهم | |
| 226 | |
| 00:20:56,700 --> 00:21:03,340 | |
| أصلا جابوا من بعض نفس النقاط لو فيه هندي أنا نقطة | |
| 227 | |
| 00:21:03,340 --> 00:21:11,420 | |
| أكبر ناقية أثبت الخط هذا الأكبر شد الخط الخط وفي | |
| 228 | |
| 00:21:11,420 --> 00:21:15,660 | |
| الآخر جاء نتيجة ان احنا أخدنا كل النقاط في عين | |
| 229 | |
| 00:21:15,660 --> 00:21:22,990 | |
| الاعتبار صح فهذا أثر على الحسبة وطلع ليه lineمش | |
| 230 | |
| 00:21:22,990 --> 00:21:28,890 | |
| هذا مش جاي على ال .. يعني لو انا شيلته لو كان هو | |
| 231 | |
| 00:21:28,890 --> 00:21:32,910 | |
| موجود و شيلته مابضرش كتير على العكس يعني لو انا | |
| 232 | |
| 00:21:32,910 --> 00:21:37,750 | |
| قبل ما اعمل لو انا طلعت على ال data زي .. جابت قبل | |
| 233 | |
| 00:21:37,750 --> 00:21:41,590 | |
| ما احسب الخط الأزرق هو الخط الأحمر هو الوضع | |
| 234 | |
| 00:21:41,590 --> 00:21:46,470 | |
| المفترض لو انا قبل ما احسب الخط الأزرق طلعت وجدت | |
| 235 | |
| 00:21:46,470 --> 00:21:49,410 | |
| المفات كلها جاي جريم من بعض لكن في واحد هنا أو | |
| 236 | |
| 00:21:49,410 --> 00:21:54,490 | |
| كمان واحد أو كمان واحد و روحت انازي فليتهم يعني | |
| 237 | |
| 00:21:54,490 --> 00:21:59,730 | |
| شيلتهم الشواقب اللي شيلتها و حسبت هأحصل على الخط | |
| 238 | |
| 00:21:59,730 --> 00:22:04,290 | |
| الصحيح و الخط الصحيح هذا هيكون يساعدنا في عملية | |
| 239 | |
| 00:22:04,290 --> 00:22:08,370 | |
| التنبؤ فال | |
| 240 | |
| 00:22:08,370 --> 00:22:11,770 | |
| method هذه اللي هي robust regression ال least | |
| 241 | |
| 00:22:11,770 --> 00:22:16,090 | |
| squares اللي هتاوي استخدمناه robust regression مش | |
| 242 | |
| 00:22:16,090 --> 00:22:22,370 | |
| هدخل فيه الآن بس هو عبارة عن أي ليش لا استثناء | |
| 243 | |
| 00:22:22,810 --> 00:22:28,090 | |
| استثناء ال outliers جاب ال managery حسبة ال .. | |
| 244 | |
| 00:22:28,090 --> 00:22:34,090 | |
| حسبة ال fitting هذه مسمية fitting يعني to fit a | |
| 245 | |
| 00:22:34,090 --> 00:22:44,270 | |
| line اللي ييجي بالضبط على اللي هو ال data فبالتالي | |
| 246 | |
| 00:22:44,270 --> 00:22:47,870 | |
| احنا الآن يعني بدأ ارجع على المواضيع خلينا نطلع | |
| 247 | |
| 00:22:47,870 --> 00:22:54,480 | |
| على هذا المثال بس قبل في الأول هذا مثالهو عاملين | |
| 248 | |
| 00:22:54,480 --> 00:22:59,300 | |
| ال plots اللي كنا بنطلع عليها هذي هي عبارة عن ال | |
| 249 | |
| 00:22:59,300 --> 00:23:05,260 | |
| data هذي okay اندي عشرين data item الأمود الأولاني | |
| 250 | |
| 00:23:05,260 --> 00:23:09,040 | |
| هو عبارة عن يعني في عندك chemicals و ال chemicals | |
| 251 | |
| 00:23:09,040 --> 00:23:13,040 | |
| بنحسب لكل chemical ال acidic number أو ال acid | |
| 252 | |
| 00:23:13,040 --> 00:23:18,760 | |
| number تمام و في عندي حاجة تانية اسمها ال organic | |
| 253 | |
| 00:23:18,760 --> 00:23:26,590 | |
| acid content هذا في الكيميا انا يعنيالنوبة المهمة | |
| 254 | |
| 00:23:26,590 --> 00:23:33,210 | |
| في الموضوع هي اهمية ال regression ان ال asset | |
| 255 | |
| 00:23:33,210 --> 00:23:38,510 | |
| number عمليا في المعمل بيقدر يحسبه بطرق سهلة بسيطة | |
| 256 | |
| 00:23:38,510 --> 00:23:45,790 | |
| ال organic asset content بيأخذ إجارات أطول لو ثبت | |
| 257 | |
| 00:23:45,790 --> 00:23:51,340 | |
| ان هناك علاقةمابين هذا لكل مادة كيميائية في علاقة | |
| 258 | |
| 00:23:51,340 --> 00:23:54,900 | |
| ما بين ال asset number تبعها وال organic asset | |
| 259 | |
| 00:23:54,900 --> 00:24:00,400 | |
| content تبعها والعلاقة هذه استنبطناها بال | |
| 260 | |
| 00:24:00,400 --> 00:24:03,320 | |
| regression المعنى ذلك لو عندي أنا chemical او انا | |
| 261 | |
| 00:24:03,320 --> 00:24:08,740 | |
| عاوز احسب ال organic عاوز افحص ال organic هذا مش | |
| 262 | |
| 00:24:08,740 --> 00:24:13,100 | |
| محتاج اعمل العملية المعقدة بعمل العملية البسيطة | |
| 263 | |
| 00:24:13,100 --> 00:24:19,170 | |
| بطلنا ال asset numberومنهم بستنبط على ال | |
| 264 | |
| 00:24:19,170 --> 00:24:24,370 | |
| regression فالان هدولة عشرين observations لعشرين | |
| 265 | |
| 00:24:24,370 --> 00:24:30,170 | |
| chemical مادة كيميائية وسجلت ال acid number لكل | |
| 266 | |
| 00:24:30,170 --> 00:24:34,270 | |
| واحد ال acid number تبعه و organic acid content | |
| 267 | |
| 00:24:34,270 --> 00:24:38,250 | |
| والسجل الآن من هدولة العشرين بدنا نستنبط ال line | |
| 268 | |
| 00:24:38,250 --> 00:24:42,890 | |
| أو ال relation يعني على أساس لو فينا مادة كيميائية | |
| 269 | |
| 00:24:42,890 --> 00:24:49,050 | |
| جديدةبدل من أن أجري هذه العملية البطولة بقى أجري | |
| 270 | |
| 00:24:49,050 --> 00:24:53,390 | |
| البسيطة و منها بستنبط القيمة تبع الorganic هاي كان | |
| 271 | |
| 00:24:53,390 --> 00:24:58,070 | |
| فكرتي يعنيه ال figures هذه لأن لو في عندي واحد من | |
| 272 | |
| 00:24:58,070 --> 00:25:02,770 | |
| ال 20 دولار القراءة تبعته مطرفة كتير اعتقد مين | |
| 273 | |
| 00:25:02,770 --> 00:25:09,130 | |
| اللي هو هذا اسألنا شوية كده نشوف هذا فعندي 180 و | |
| 274 | |
| 00:25:09,130 --> 00:25:13,440 | |
| بعدين في ال negative مظلنيش موجود هنا في الجدولليس | |
| 275 | |
| 00:25:13,440 --> 00:25:20,920 | |
| لدي أحد نيجاتيف بس نفترض أن هناك واحد من هؤلاء جاء | |
| 276 | |
| 00:25:20,920 --> 00:25:25,280 | |
| الـ acidic number التبعه من نيجاتيف المهم هذا هو | |
| 277 | |
| 00:25:25,280 --> 00:25:29,820 | |
| سيكون outlier ممكن نعيده في الأول نطلعه أو نستخدم | |
| 278 | |
| 00:25:29,820 --> 00:25:36,360 | |
| ال robust regression على أساس أنه ماتتأثرش | |
| 279 | |
| 00:25:36,360 --> 00:25:45,030 | |
| ابوه طيب احنا هيك الآن بنوجف عند هذا القدربنرجع بس | |
| 280 | |
| 00:25:45,030 --> 00:25:50,250 | |
| في الأول ايش هو اللى تم .. اه اللى ايش اللى غطينا | |
| 281 | |
| 00:25:50,250 --> 00:25:55,430 | |
| بالظبط احنا | |
| 282 | |
| 00:25:55,430 --> 00:25:59,770 | |
| بيكونوا الآن غطينا هذا وغطينا هذا البند بنضل .. | |
| 283 | |
| 00:25:59,770 --> 00:26:02,410 | |
| طبعا هذا .. بيضل هذا الجسر الأخير | |
| 284 | |
| 00:26:06,270 --> 00:26:11,170 | |
| lecture 17 تلاحظ أننا قد خلصنا جزء منها وهو ما | |
| 285 | |
| 00:26:11,170 --> 00:26:14,890 | |
| يتعلق بال decision trees، صح؟ نحن بس نخلص مهارة | |
| 286 | |
| 00:26:14,890 --> 00:26:19,830 | |
| جاية، نحكي في ال principle component analysis ومن | |
| 287 | |
| 00:26:19,830 --> 00:26:24,930 | |
| خلصه و بعدها كده بنروح بنكمل اللي ضايل من 17، عشان | |
| 288 | |
| 00:26:24,930 --> 00:26:25,730 | |
| أعطيكم ملاحظة | |