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