1
00:00:01,030 --> 00:00:02,950
بسم الله الرحمن الرحيم والصلاة والسلام على الرسول الكريم

2
00:00:02,950 --> 00:00:05,610
أهلا و أهلا بكم في التسجيل الأخير أو في

3
00:00:05,610 --> 00:00:08,670
المقطع الأخير من موضوع الـ Association role. كنا

4
00:00:08,670 --> 00:00:12,050
نتكلم في المحاضرة السابقة على الـ FP Growth وقبلها

5
00:00:12,050 --> 00:00:16,350
أو في التسجيل السابق، عفواً، الـ FP Growth وشوفنا

6
00:00:16,350 --> 00:00:21,290
فعلاً ال scalability والـ a priori algorithm سابقاً

7
00:00:21,290 --> 00:00:25,110
وتركته أقول مثل هذا تحلوه لوحدكم عشان تتدربوا عليه

8
00:00:25,510 --> 00:00:30,450
الآن، اللي هنتكلم فيه جزئية أن أنا فعلياً موضوع الـ

9
00:00:30,450 --> 00:00:37,450
mining له different kinds of association rules. الـ

10
00:00:37,450 --> 00:00:40,730
association

11
00:00:40,730 --> 00:00:46,330
rules اللي عدى عبارة عن level واحد. فهل في مجال أن

12
00:00:46,330 --> 00:00:49,710
أنا أتكلم على multilevel association rules بمعنى

13
00:00:49,710 --> 00:00:54,450
آخر if then else then بالشكل هذا، involve concept

14
00:00:54,450 --> 00:00:57,050
of different levels of abstraction. هل هذا ممكن؟

15
00:00:57,050 --> 00:00:59,890
ممكن أو لا في الـ multidimensional association

16
00:00:59,890 --> 00:01:03,710
rules involve more than one dimension. أنا شغال بـ

17
00:01:03,710 --> 00:01:08,900
one dimension دائماً، اللي هي الـ ... الـ ... الـ ... الـ ...

18
00:01:08,900 --> 00:01:08,920
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

19
00:01:08,920 --> 00:01:09,460
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

20
00:01:09,460 --> 00:01:17,480
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ...

21
00:01:17,480 --> 00:01:19,020
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

22
00:01:19,020 --> 00:01:19,060
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

23
00:01:19,060 --> 00:01:19,620
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

24
00:01:19,620 --> 00:01:19,720
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

25
00:01:19,720 --> 00:01:20,540
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

26
00:01:20,540 --> 00:01:21,420
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

27
00:01:21,420 --> 00:01:24,100
الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ ... الـ

28
00:01:24,100 --> 00:01:32,780
الـ ... الـ ... الـ ... الـ ... الـ ... هذه عبارة عن

29
00:01:32,780 --> 00:01:37,920
مسائل مفتوحة في موضوع الـ Association Rules ومازال

30
00:01:37,920 --> 00:01:43,900
الناس يعملون/عمالون  بمحاولة العمل عليها. هل الـ quantitative

31
00:01:43,900 --> 00:01:47,480
هل الـ numeric values، الـ attributes، احنا سابقاً شفنا

32
00:01:47,480 --> 00:01:53,000
أن الـ item موجود، نفسه اشتراه وما اشتراهوش، yes و no

33
00:01:53,000 --> 00:01:56,660
صح، حوّلناهم، ولا بنحول في بداية العملية وبنحولهم لـ

34
00:01:56,660 --> 00:01:59,460
binary. طيب الآن هذا الـ value كان في عندي different

35
00:01:59,460 --> 00:02:02,940
values، الـ numeric values، الـ quantitative. كيف ممكن

36
00:02:02,940 --> 00:02:06,240
أنا أتعامل مع الـ association rules؟ كذلك من الشغلات

37
00:02:06,240 --> 00:02:09,260
المهمة بالنسبة لنا في الموضوع، الـ measurement. احنا

38
00:02:09,260 --> 00:02:13,760
تعرفنا على الـ support والـ confidence، وهذول

39
00:02:13,760 --> 00:02:17,520
كانوا هم الأساس. طيب شو بده يصير لو أنا كان في عندي

40
00:02:17,520 --> 00:02:20,940
large support و large confidence، لو أنا كان هذول

41
00:02:20,940 --> 00:02:24,100
كبار جداً، يعني هو رح يصير في عندي small number

42
00:02:24,100 --> 00:02:27,980
من الـ association rules، بينموذجيني. يعني أن أنا في

43
00:02:27,980 --> 00:02:37,040
عندي علاقة عكسية بين الـ support والـ

44
00:02:37,040 --> 00:02:44,990
confidence وعدد الـ association rules. وبالتالي، كل ما

45
00:02:44,990 --> 00:02:49,690
يزيد عدد الـ association rules بيقل العدد اللي موجود

46
00:02:49,690 --> 00:02:54,870
عندهم الـ support، small. يعني أنا أتمنى، يعني ايش

47
00:02:54,870 --> 00:03:05,210
أفضل الـ threshold أو the best threshold ممكن

48
00:03:05,210 --> 00:03:10,270
أنا أطبقه في الـ finding أو في عملية البحث على الـ

49
00:03:10,270 --> 00:03:13,640
association rules اللي موجودة عندي. كذلك أن أنا

50
00:03:13,640 --> 00:03:18,280
ممكن يصير في موضوع الـ confidence والـ support بعض

51
00:03:18,280 --> 00:03:22,320
الـ misleading أو بعض سوء الفهم. خلينا نشوف الـ

52
00:03:22,320 --> 00:03:26,820
contingency table اللي موجود عندي هنا. عملوا

53
00:03:26,820 --> 00:03:33,210
استطلاع على ٥٠٠ واحد، حاولوا... بيلعبوا... بيلعبوا

54
00:03:33,210 --> 00:03:37,230
كرة سلة وبيشربوا... بين لاعبين كرة السلة و

55
00:03:37,230 --> 00:03:40,590
بيشربوا حليب ولا ما بيشربوا. أو أخذوا ٥٠٠ واحد

56
00:03:40,590 --> 00:03:44,390
واحد واشتغلوا عليه. فكان من الخمسمائة دول أن في

57
00:03:44,390 --> 00:03:48,390
٢٠٠٠ بيقولوا أن كل لاعبين السلة لازم يشربوا الحليب

58
00:03:48,390 --> 00:03:51,570
بينما ١٧٥٠ بيقولوا لأ، مش ضروري

59
00:03:51,570 --> 00:03:56,540
اللي بيشربوا الحليب هولاء ما يكونوا بيلعبوا سلة. كذلك

60
00:03:56,540 --> 00:04:04,460
في ١٠٠٠ قالوا لأ، شرب الحليب مش مرتبط باللعب

61
00:04:04,460 --> 00:04:10,140
كرة السلة، و٢٥٠ قالوا لا بيشربوا حليب ولا

62
00:04:10,140 --> 00:04:15,410
بيلعبوا سلة. يعني هو كأنه الاستطلاع بين رأيك أنت

63
00:04:15,410 --> 00:04:20,290
بتشرب حليب وبتلعب كرة سلة، وتحاول أن تجمع الاثنين

64
00:04:20,290 --> 00:04:24,690
مع بعض، يعني drinking milk و playing basketball هذول

65
00:04:24,690 --> 00:04:27,770
binary tables أو binary attributes كانوا موجودين

66
00:04:27,770 --> 00:04:37,430
عندي، هيهم playing و drinking، playing basketball والـ

67
00:04:37,430 --> 00:04:46,860
values اللي موجودة عندها yes و no، والـ

68
00:04:46,860 --> 00:04:51,580
العكس صحيح، موجود في الاثنين. تمام، وهكذا هي

69
00:04:51,580 --> 00:04:54,500
الاستطلاع. فكانت الـ contingency table تبع الاستطلاع

70
00:04:54,500 --> 00:04:57,620
هي من الـ contingency table اللي موجودة عندها. لما

71
00:04:57,620 --> 00:05:09,940
أنا جاي أقول الـ ٢٠٠٠، تمام. النسبة ٤٠٪ لعب كرة السلة

72
00:05:09,940 --> 00:05:16,600
يؤدي إلى شرب الحليب. الـ

73
00:05:16,600 --> 00:05:21,340
Confidence

74
00:05:21,340 --> 00:05:29,640
فعلياً ٢٠٠٠ على ٣٠٠٠، صحيح، لأن هؤلاء فئة الناس اللي

75
00:05:29,640 --> 00:05:33,900
بتلعب السلة. فعدد مرتبط على الـ probability ٢٠٠٠

76
00:05:33,900 --> 00:05:36,280
على عدد اللي بيلعبوا سلة، ثلاثة آلاف. الـ high

77
00:05:36,280 --> 00:05:41,160
confidence أو الـ support تبع الأول على الـ support

78
00:05:41,160 --> 00:05:46,240
تبع الـ association rule على الـ support تبع الأول

79
00:05:46,240 --> 00:05:49,600
من الـ association rule. ٢٠٠٠ على ٣٠٠٠، سبعة

80
00:05:49,600 --> 00:05:55,730
وسبعين في المائة. هذه الـ data is misleading، لأن الـ

81
00:05:55,730 --> 00:05:58,270
over all عندي percentage بين الـ students أو بين

82
00:05:58,270 --> 00:06:02,310
الناس اللي شاركوا في الاستطلاع، بيتكلموا عن شرب

83
00:06:02,310 --> 00:06:08,830
الحليب هم حوالي خمسة وسبعين في المائة، تمام؟

84
00:06:08,830 --> 00:06:16,670
وهذا الكلام أكثر من ستة وستين في المائة. طيب، تعالوا

85
00:06:16,670 --> 00:06:23,930
نشوفها لو أنا جيت جبت أو أخذت الـ playing basketball

86
00:06:23,930 --> 00:06:24,610
ونطلع

87
00:06:31,500 --> 00:06:36,520
عشرة في المائة، لأن عشرة على خمسة آلاف وعشرة على

88
00:06:36,520 --> 00:06:37,240
ثلاثة وثلاثين

89
00:06:42,770 --> 00:06:51,250
لكن الـ support تبعها، الـ confidence والـ support

90
00:06:51,250 --> 00:06:58,330
تبعها قليلة، وبالتالي أنا مش هاخد الـ rule هذا، لأن

91
00:06:58,330 --> 00:07:04,190
هو فعلياً higher support و higher confidence بينما

92
00:07:04,190 --> 00:07:07,690
هو misleading. وبالتالي موضوع الـ support والـ

93
00:07:07,690 --> 00:07:13,370
confidence لحالهم هو غير كافٍ بالنسبة لنا في موضوع

94
00:07:13,370 --> 00:07:16,790
الـ measuring تبع الـ Association Rules، لأنه كما

95
00:07:16,790 --> 00:07:20,970
رأينا بنفسنا، يمكن أن يكون هناك misleading. ماهو الحل

96
00:07:20,970 --> 00:07:25,330
اللي نحن نتكلم عنه؟ هل يمكن أن يكون هناك شيء آخر؟ هل

97
00:07:25,330 --> 00:07:28,950
يمكن أن يكون هناك framework يشكل إضافة عندنا؟

98
00:07:36,110 --> 00:07:40,070
الـ Correlation ممكن تستخدمها كمقياس، ممكن

99
00:07:40,070 --> 00:07:43,430
تستخدمها كمقياس، تعمل تعمل تعمل تعمل تعمل تعمل

100
00:07:43,430 --> 00:07:44,910
تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل

101
00:07:44,910 --> 00:07:45,010
تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل

102
00:07:45,010 --> 00:07:45,270
تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل

103
00:07:45,270 --> 00:07:45,630
تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل تعمل

104
00:07:49,010 --> 00:07:54,510
أنا ممكن أضيف الـ Correlation عشان يصير في عندي 

105
00:07:54,510 --> 00:07:58,350
element ثالث مع الـ support والـ confidence عشان

106
00:07:58,350 --> 00:08:01,770
أنا أشوف العلاقة. وبالتالي الـ Correlation مهم ليس

107
00:08:01,770 --> 00:08:06,210
فقط بسبب الـ support والـ confidence، بل فقط بسبب الـ

108
00:08:06,210 --> 00:08:09,370
Correlation بين الـ item set، العلاقة ما بين الـ item

109
00:08:09,370 --> 00:08:15,060
set. احنا متفقين أن الـ A والـ B تقاطع بينهم من

110
00:08:15,060 --> 00:08:19,880
البداية في نعم، والتقاطع بينهم في okay. هذا كلام

111
00:08:19,880 --> 00:08:23,180
صحيح، يعني independent attributes. لكن هل في ممكن

112
00:08:23,180 --> 00:08:26,840
يكون في Correlation بينهم واحنا مش شايفينه، أو الـ

113
00:08:26,840 --> 00:08:31,990
Correlation هذا مش، أو لا ينتمي أو لا يمثل بجموعة من

114
00:08:31,990 --> 00:08:34,270
الـ Item Sets أو من الـ Items اللي موجودين في الـ

115
00:08:34,270 --> 00:08:38,570
Item Set. فممكن أنا أضيفه. كذلك، ممكن أنا أعتمد

116
00:08:38,570 --> 00:08:43,330
أستخدم الـ Chi-Square، تمام، اللي لما اتكلمنا عليه

117
00:08:43,330 --> 00:08:47,690
في الـ Correlation، أستخدم الـ Chi-Square لما

118
00:08:47,690 --> 00:08:50,850
أكون في الـ Data اللي عندي هي categorial أو

119
00:08:50,850 --> 00:08:54,330
nominal، أو أعتمد على شغل بنسميه احنا الـ lift

120
00:08:54,330 --> 00:08:57,790
analysis أو الـ lift correlation وهو عبارة عن

121
00:08:57,790 --> 00:09:02,290
Correlation.  سهلة الفكرة فيه، بكل بساطة أنه أنا

122
00:09:02,290 --> 00:09:06,830
المفروض أن الـ item set، ظهورها الـ A والـ B

123
00:09:06,830 --> 00:09:11,370
independent، والـ occurrence تبعتهم غير مرتبطة في

124
00:09:11,370 --> 00:09:15,360
بعضها. وبالتالي، الـ probability تبع الـ A اتحاد الـ B

125
00:09:15,360 --> 00:09:20,100
تساوي الـ probability للـ A في الـ probability للـ B.

126
00:09:20,100 --> 00:09:25,300
otherwise، الـ A والـ B are dependent. يمكن أن يكون

127
00:09:25,300 --> 00:09:30,180
بينهم dependency، والـ correlation كدليل على الـ

128
00:09:30,180 --> 00:09:35,270
dependency اللي موجودة عندهم. فبكل بساطة ممكن أنا

129
00:09:35,270 --> 00:09:37,790
احنا اتفقنا كمان مرة لجماعة، الخيار أنه أنا بدي

130
00:09:37,790 --> 00:09:40,970
أضيف الـ correlation. الـ correlation هذه إما بتكون Chi

131
00:09:40,970 --> 00:09:47,550
Square، تمام، أو بتكون اللي هي الـ lift، أو بتكون الـ

132
00:09:47,550 --> 00:09:50,350
lift measurement. الـ lift بقول لي، لو كان في عندي

133
00:09:50,350 --> 00:09:55,360
association rule A و B، A plus B as defined as

134
00:09:55,360 --> 00:10:00,020
الـ lift بعرف لي إياها، أنها تساوي الـ probability للاتحادهم

135
00:10:00,020 --> 00:10:04,660
على الـ probability حاصل ضربهم. وهذه تساوي الـ

136
00:10:04,660 --> 00:10:06,780
probability للـ B difference الـ A على الـ

137
00:10:06,780 --> 00:10:10,160
probability للـ B. الكلام أسهل بعيداً عن الـ

138
00:10:10,160 --> 00:10:14,260
probability. الـ lift تساوي الـ confidence للـ A والـ B

139
00:10:14,260 --> 00:10:18,140
على الـ support تبع الـ B. سابقاً الـ confidence هي

140
00:10:18,140 --> 00:10:23,720
كانت الـ support تبع الـ A والـ B. الـ confidence

141
00:10:23,720 --> 00:10:29,260
اللي كانت الـ support للـ A تبع الـ B على الـ

142
00:10:29,260 --> 00:10:35,340
support تبع الـ A. الآن ستصبح المسألة كلها، يتضاف لها

143
00:10:35,340 --> 00:10:40,760
الـ support تبع الـ B وهكذا سأكون حققت الـ

144
00:10:40,760 --> 00:10:44,940
probability اللي موجودة عندها. وبالتالي هي عبارة عن

145
00:10:44,940 --> 00:10:51,460
الـ Ratio of confidence to expected confidence

146
00:10:51,460 --> 00:10:55,940
وهكذا أنا أتكلم أن هاتي عندي مقياس ثالث ممكن يكون

147
00:10:55,940 --> 00:10:59,660
يضيف لي تحسين على موضوع الـ selection للـ rules

148
00:10:59,660 --> 00:11:03,720
والأصل أنه أنا كل ما بيجي lift المفروض أن الـ lift

149
00:11:03,720 --> 00:11:08,340
عشان أقدر أفهمها صح. إذا كانت الـ lift قيمتها أكبر

150
00:11:08,340 --> 00:11:12,240
من واحد معناته positively correlated، معناته إذا

151
00:11:12,240 --> 00:11:18,260
ظهر الأول هيظهر الثاني. طبعاً هذه إشارة جيدة.

152
00:11:18,260 --> 00:11:25,260
Negatively correlated، أقل من واحد، معناته إذا الـ...

153
00:11:25,260 --> 00:11:30,440
discouraged occurrence... معناته ظهور الأول لن

154
00:11:30,440 --> 00:11:35,660
يظهر الثاني. وإذا كانت واحد معناته هذول الاثنين

155
00:11:35,660 --> 00:11:40,260
independent ومافيش correlation ما بينهم. وبالتالي الـ...

156
00:11:40,260 --> 00:11:45,790
الآن لو أنا سألت مين أفضل بالنسبة لي؟ مين يدعي

157
00:11:45,790 --> 00:11:49,170
support أكثر، مين يدعي موثوقية أكثر في الـ confidence

158
00:11:49,170 --> 00:11:56,990
المفروض لما تكون الـ... الـ... الـ lift عندي أكبر من

159
00:11:56,990 --> 00:12:00,380
واحد، أروح لما تكون العلاقة independent، أقول

160
00:12:00,380 --> 00:12:03,680
بالعكس، اللي لما تكون الـ lift أقل من واحد، معناته

161
00:12:03,680 --> 00:12:09,100
في عندي مشكلة حقيقية في الـ association rule اللي

162
00:12:09,100 --> 00:12:14,400
ظهر عندي، لأنه قيمته، المفروض لما يظهر واحد يختفي

163
00:12:14,400 --> 00:12:16,780
الثاني. طيب ليش ظهروا الاثنين مع بعض في الـ

164
00:12:16,780 --> 00:12:18,980
association rule هذا؟ معناته في عندي مشكلة

165
00:12:18,980 --> 00:12:23,060
وبالتالي الـ rule هذا لازم أنا أتخلص منه. هيك ممكن

166
00:12:23,060 --> 00:12:25,200
احنا خلصنا محتويات الـ chapter، إن شاء الله تعالى

167
00:12:25,200 --> 00:12:29,470
خلينا نروح نشوف المثال اللي قمت بعمله مسبقاً في

168
00:12:29,470 --> 00:12:30,390
الـ PyCharm

169
00:12:54,110 --> 00:12:56,910
طيب، جماعة الخير، خلينا نكمل في الفيديو نشوف الـ

170
00:12:56,910 --> 00:13:00,630
example

171
00:13:00,630 --> 00:13:04,410
اللي موجود عندنا. أنا الآن بروح جوجل، أعمل import للـ

172
00:13:04,410 --> 00:13:11,030
pandas، وعملياً بدي أبني data set، transaction من six

173
00:13:11,030 --> 00:13:17,040
rows، من ست صفوف، وبدي أعمل import للعنصر من طريق الـ

174
00:13:17,040 --> 00:13:20,540
machine learning extend، بدي processing import

175
00:13:20,540 --> 00:13:23,480
transaction encoder، وهذا الـ transaction encoder

176
00:13:23,480 --> 00:13:27,080
أنا هستخدمه من أجل أنه يحول الـ data set اللي

177
00:13:27,080 --> 00:13:31,900
عندي، الـ data set هذه،

223
00:16:45,490 --> 00:16:53,590
بالطبع طبعت الهاتف الخاص بالهاتف الخاص بالهاتف

224
00:16:53,590 --> 00:16:53,770
الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص

225
00:16:53,770 --> 00:16:54,250
بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف

226
00:16:54,250 --> 00:16:54,490
الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص

227
00:16:54,490 --> 00:16:54,530
بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف

228
00:16:54,530 --> 00:16:54,570
الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص

229
00:16:54,570 --> 00:16:59,450
بالهاتف الخاص بالهاتف الخاص بالهاتف الخاص بالهاتف

230
00:16:59,450 --> 00:17:03,190
طبعاً أنا طبعتها ثلاث مرات في ثلاث جمال قباضة

231
00:17:03,190 --> 00:17:07,670
الجملة الأولى كانت بالـ array أو اللي إحنا سميناها

232
00:17:07,670 --> 00:17:12,810
بـ binary 2D array هي راح تطبع الـ array اللي موجودة

233
00:17:12,810 --> 00:17:19,250
عندي من ست صفوف true

234
00:17:19,250 --> 00:17:20,030
false

235
00:17:25,230 --> 00:17:28,910
الجملة الثانية جملة الطباعة كانت بتطبع الـ item set

236
00:17:28,910 --> 00:17:32,590
اللي عندي و الـ support تبعتها، فراح جاب لي هاي الـ item

237
00:17:32,590 --> 00:17:35,350
set، وطبعاً لما أنا قلت له استخدم أسماء الـ

238
00:17:35,350 --> 00:17:40,650
attributes، فهي راح جاب لي الـ eggs وجاب ليها هان لو

239
00:17:40,650 --> 00:17:45,030
أنا قلت له  نوم مش حاطين عندي هاي الـ minimum support

240
00:17:45,030 --> 00:17:53,650
الـ 6 من 10 اللي موجودة عندك، هان جاب لي هنا ستة

241
00:17:53,650 --> 00:17:58,610
عناصر فعلياً مختلفة، أو عفواً ست frequent item sets

242
00:17:58,610 --> 00:18:01,970
with minimum support ستة من عشرة، أنا قصدت أن

243
00:18:01,970 --> 00:18:05,050
أجربها، ما بتطلع مثلها الآخر، فالجملة الأخيرة لما قلت

244
00:18:05,050 --> 00:18:07,950
له هات لي الـ association rule، فراح قال لي الـ

245
00:18:07,950 --> 00:18:12,570
association rule هي الـ antecedent أو الـ consequent

246
00:18:12,570 --> 00:18:17,610
طبعاً في الأول الـ antecedent implies الـ consequent

247
00:18:17,770 --> 00:18:21,450
هو الـ antecedent support، وطبعاً في معلومات هنا

248
00:18:21,450 --> 00:18:27,630
خفية لأن شاشة العرض أعتقد أنها غير كافية للتعامل

249
00:18:27,630 --> 00:18:31,630
مع  الأنصار الموجودة عندها، لكن في الآخر قال لي هي

250
00:18:31,630 --> 00:18:37,880
الـ left، وفي عند الـ average، طبعاً الـ lift واحد يعني

251
00:18:37,880 --> 00:18:42,400
الـ attributes اللي عندي independent فعلياً، هم ما بيوجدش

252
00:18:42,400 --> 00:18:45,240
يوجد علاقة، وبالتالي أنا ممكن أكتفي بالـ support والـ

253
00:18:45,240 --> 00:18:51,800
confidence اللي موجودة عندنا، طيب لو أنا بدي أروح

254
00:18:51,800 --> 00:18:55,900
طبعاً خليني بس نجرب هنا زي ما قلنا هاي هنا خمسة أو

255
00:18:55,900 --> 00:19:02,580
بلاش أربعة من عشرة، هذه هي ترشيلتي الخاصة بها

256
00:19:16,120 --> 00:19:22,460
عندما قلت له

257
00:19:22,460 --> 00:19:26,660
خلي الـ confidence خمسة من عشرة، فقال لي عندي ثلاثة

258
00:19:26,660 --> 00:19:33,440
وعشرين rules association، والـ support تبعتهم هيها

259
00:19:47,420 --> 00:19:51,500
العناصر الموجودة هنا

260
00:20:10,880 --> 00:20:15,900
بس ليش ما يعرضهاش؟ مش عارف الصحيح، بس في الآخر الـ

261
00:20:15,900 --> 00:20:19,200
data موجودة عليها، طيب بالمثال الثاني لما أنا بدأت

262
00:20:19,200 --> 00:20:23,800
أستخدم الـ app الـ fp growth، ولش مجرد بدك تستخدم

263
00:20:23,800 --> 00:20:28,740
بكتب اسمه python fp growth، هي نفس الـ data set، قلت

264
00:20:28,740 --> 00:20:32,860
له الـ frequent pattern تبعتي، الـ minimum support

265
00:20:32,860 --> 00:20:37,680
تبعتي equal 3، وهنا بيقول الـ 7 من 10 مش 6 من 10

266
00:20:37,680 --> 00:20:43,020
عفواً الحساب زي ما أنا... طبعاً هنا التجريب هيرجع

267
00:20:43,020 --> 00:20:51,140
للمثال اللي موجود هنا طبعاً

268
00:20:51,140 --> 00:20:56,240
هنا بتكلم على الابريوري، وإن كان هنا الـ FP growth

269
00:20:56,240 --> 00:20:58,460
defined frequent pattern، الـ data الـ data set

270
00:20:58,460 --> 00:21:03,100
مباشرة، لاحظوا أنا جزئية التحويل مش مسئوليتي أصلاً

271
00:21:04,100 --> 00:21:10,120
لأن بشتغل على الـ data set مباشرة، الاثنين مجرد كان

272
00:21:10,120 --> 00:21:11,820
السبعة مباشرة، طبعاً أسهل في الـ coding

273
00:21:17,200 --> 00:21:20,040
الـ FP Growth and Generate Association Rules، فقلت

274
00:21:20,040 --> 00:21:22,060
له أنا هاي الـ better أو هاي الـ association

275
00:21:22,060 --> 00:21:26,540
التابعة لي تمام، الـ better التابعة هي الـ milk طبعاً

276
00:21:26,540 --> 00:21:32,060
اتفقنا أن الـ better هي عبارة عن العناصر اللي أنا

277
00:21:32,060 --> 00:21:37,040
عاملها، بجيبها طبعاً، هو بدأ مع عنصر وعنصرين الآخرين

278
00:21:37,040 --> 00:21:39,740
لما راح جاب الـ association rule، وكيف بدأ أقرأ الـ

279
00:21:39,740 --> 00:21:42,680
rules، هي الـ rule الأول، طبعاً هي عبارة عن جيسون في

280
00:21:42,680 --> 00:21:45,840
الآخر، النتيجة تبع لي الـ rule الأول هي

281
00:21:51,680 --> 00:21:57,640
الملك، يعني كيندي

282
00:21:57,640 --> 00:22:02,680
بيز واليوجرت، وهذا الـ confidence تبعها خمسة و

283
00:22:02,680 --> 00:22:10,240
سبعين في المئة، الثانية الـ support تبعها مئة في

284
00:22:10,240 --> 00:22:14,080
المئة، إلى آخرهم من العناصر، الـ confidence عفواً من

285
00:22:14,080 --> 00:22:16,980
العناصر الموجودة هنا، هذه كانت جامعة الخير...

286
00:22:16,980 --> 00:22:24,540
انتهينا من موضوع الـ... الـ association rule... هرفق

287
00:22:24,540 --> 00:22:29,580
لكم ملفين الـ coding هنا... عشان تجربوا في موضوع...

288
00:22:29,580 --> 00:22:35,440
لو بقيت تجرب... شغلة عندك... وتشوف الـ result اللي

289
00:22:35,440 --> 00:22:37,260
موجود... الله يعطيكم العافية... والسلام عليكم

290
00:22:37,260 --> 00:22:37,720
ورحمة الله