1
00:00:01,140 --> 00:00:03,520
باسم الله والحمد لله والصلاة والسلام على رسول

2
00:00:03,520 --> 00:00:08,140
الله هذا التسجيل الأخير إن شاء الله في الـ chapter

3
00:00:08,140 --> 00:00:12,840
clustering عفواً قبل الأخير بيضللنا في تسجيل إن شاء

4
00:00:12,840 --> 00:00:16,540
الله سيكون عملي باعتماد الـ python الصحيح فشوف في

5
00:00:16,540 --> 00:00:24,320
شغل الـ python بعض الإبداعات منكم وبعضكم .. حلو

6
00:00:24,320 --> 00:00:25,480
حلو حلو طبعاً ما شاء الله

7
00:00:28,370 --> 00:00:31,030
البداية، الـ chapter إن الـ cluster هي عبارة عن عملية

8
00:00:31,030 --> 00:00:34,230
تقسيم الـ instances بناءً على تشابه أو similarities

9
00:00:34,230 --> 00:00:38,570
ما بينهم لمجموعات، في عندنا الـ partition cluster والـ

10
00:00:38,570 --> 00:00:41,070
partition cluster أنه ما يكونش فيه overlap

11
00:00:41,070 --> 00:00:44,550
clusters وفي عندنا hierarchical cluster أنه أنا

12
00:00:44,550 --> 00:00:48,870
فعلياً أقدر أشوف كل cluster بينتمي لأي cluster والـ

13
00:00:48,870 --> 00:00:51,330
طبعاً هنا بتحكم في عدد الـ clusters اللي أنا بدي

14
00:00:51,330 --> 00:00:55,310
إياها، كل cluster ببساطة، اليوم إن شاء الله نتكلم عن

15
00:00:55,310 --> 00:00:59,990
جزئية الـ evaluation طبعاً لما نتكلم عن الـ evaluation

16
00:00:59,990 --> 00:01:07,030
كتقييم الـ ..

17
00:01:07,030 --> 00:01:11,390
نتكلم عن التقييم، هل التقييم وارد في الـ

18
00:01:11,390 --> 00:01:16,990
clustering؟ التقييم كتقييم في الـ clustering إذا الـ

19
00:01:16,990 --> 00:01:21,650
data  بقى unlabeled أو عمره بيكون صحيح لأن أنا

20
00:01:21,650 --> 00:01:27,410
فعلياً لازم أتدخل human عفواً المقصود أن التقييم

21
00:01:27,410 --> 00:01:35,220
مستحيل يكون صحيح أو حالياً بدي أقول أنه يكاد يكون من

22
00:01:35,220 --> 00:01:40,060
المستحيل تطبيق التقييم إلا من خلال expert قادر

23
00:01:40,060 --> 00:01:45,460
فعلياً على دراسة كل instance وفعلياً أنها تنتمي لـ

24
00:01:45,460 --> 00:01:49,620
cluster أو متشابه مع العناصر اللي موجودة عندها، لكن

25
00:01:49,620 --> 00:01:54,920
إحنا هلأ لما نتكلم عن الـ clustering، أنا لدي

26
00:01:54,920 --> 00:01:58,140
algorithm و data set وطبقت على الـ data set، هل في

27
00:01:58,140 --> 00:02:01,520
مجال أعمل evaluation للـ algorithm أو للناتج اللي

28
00:02:01,520 --> 00:02:06,160
موجود؟ آه في مجال لكن في حالة واحدة فقط، إذا أنا

29
00:02:06,160 --> 00:02:10,720
اعتمدت أن في عندي labeled data set، طيب إحنا قلنا

30
00:02:10,720 --> 00:02:15,020
من البداية أن

31
00:02:15,020 --> 00:02:17,800
الـ cluster بتشتغل على الـ test set يعني الـ label مش

32
00:02:17,800 --> 00:02:22,580
موجود، صحيح، الفكرة وين أن أنا بدي أفصل الـ data set

33
00:02:22,580 --> 00:02:31,250
بتاعتي، مجموعة الـ attributes لحال والـ target label

34
00:02:31,250 --> 00:02:40,670
لحال، وبعد هيك أعمل لها الـ clustering، بدي أعمل هنا

35
00:02:40,670 --> 00:02:44,590
clustering للـ data set اللي موجودة عندي هنا وبناءً

36
00:02:44,590 --> 00:02:48,270
على الـ clusters، أنا عارف أن كل instance بتتبع أي

37
00:02:48,270 --> 00:02:54,960
label، فبيصير أنا بقى بأقارن الـ label اللي عندي مع الـ

38
00:02:54,960 --> 00:02:57,100
clusters اللي هو اللي عندي هنا وبناءً على هيك بحصل

39
00:02:57,100 --> 00:03:02,660
على تقييم، وبالتالي لما إحنا بنتكلم على الـ الـ الـ الـ

40
00:03:02,660 --> 00:03:03,400
(Repeated "ال" - removed)

41
00:03:03,400 --> 00:03:04,060
(Repeated "ال" - removed)

42
00:03:04,060 --> 00:03:05,500
(Repeated "ال" - removed)

43
00:03:05,500 --> 00:03:06,460
(Repeated "ال" - removed)

44
00:03:06,460 --> 00:03:07,520
(Repeated "ال" - removed)

45
00:03:07,520 --> 00:03:07,620
(Repeated "ال" - removed)

46
00:03:22,210 --> 00:03:28,550
لأن النتائج اللي موجودة عندي ما حدش بيقول عنها صح

47
00:03:28,550 --> 00:03:31,570
أو خطأ، يعني أنا استخدمت two different algorithms

48
00:03:31,570 --> 00:03:36,930
وقلت لهم والله جسمّلت الـ data set كـ partitional لـ

49
00:03:36,930 --> 00:03:46,770
three clusters، طلعوا لي three clusters، مش ضروري مش

50
00:03:46,770 --> 00:03:50,350
ضروري العناصر اللي في الـ cluster الأول هي نفسها

51
00:03:50,350 --> 00:03:51,970
اللي في عناصر الـ cluster الثاني، ناتج الـ

52
00:03:51,970 --> 00:04:00,600
algorithm وبالتالي مقارنة الـ output شبه مستحيلة، إذا

53
00:04:00,600 --> 00:04:02,640
كنت أقول أن الـ Algorithm أعطاني نفس النتيجة أو

54
00:04:02,640 --> 00:04:05,880
نفس الـ الـ فايدة من الثاني، فلا يتميز الثاني عنه

55
00:04:05,880 --> 00:04:10,360
تمام، إلا فعلياً لو الـ Data كانت فعلياً الـ Data

56
00:04:10,360 --> 00:04:13,960
discriminant، الـ instances ميّالة لـ different tree

57
00:04:13,960 --> 00:04:18,180
classes وكل واحدة، كل instance تنتمي لـ class، يعني

58
00:04:18,180 --> 00:04:22,100
في عندي discriminant attribute و أقدر أصفّهم

59
00:04:22,100 --> 00:04:25,100
أو أودّيهم على الـ certain class أو الـ target

60
00:04:25,100 --> 00:04:30,020
cluster، عفواً بشكل كويس، لكن لما أنا فعلياً بأطبق

61
00:04:30,020 --> 00:04:34,000
ممكن باعتمادي على الـ training set، الـ training set

62
00:04:34,000 --> 00:04:39,000
إذا أنا طبقت الـ cluster algorithm على الـ training

63
00:04:39,000 --> 00:04:43,020
set، تلاحظوا معايا يا جماعة الخير؟ لما أنا بدي أعمل

64
00:04:43,020 --> 00:04:45,720
evaluation، الآن فعلياً، فعلياً ليه الـ clustering

65
00:04:45,720 --> 00:04:49,580
unsupervised learning؟ يعني أنا بتجاهل الـ label أو

66
00:04:49,580 --> 00:04:53,560
الـ label مش موجود في الـ data set، هذه واحدة، لما أنا

67
00:04:53,560 --> 00:04:59,370
بدي أعمل له evaluation للـ algorithm، تمام؟ بقدر أعمل

68
00:04:59,370 --> 00:05:03,170
evaluation في حالة واحدة فقط إذا أنا قدرت أطبقه

69
00:05:03,170 --> 00:05:06,410
على الـ training set، شو الـ training set؟ يعني في عندي

70
00:05:06,410 --> 00:05:09,930
label، طيب هل الكلام هذا موجود؟ آه موجود، بيصير كل

71
00:05:09,930 --> 00:05:15,670
label، كل class بمثابة cluster، كل class بمثابة

72
00:05:15,670 --> 00:05:21,910
cluster وبروح بأخذ الـ class وبجسّم الـ data set

73
00:05:21,910 --> 00:05:24,210
بدون الـ cluster زي ما واجهتكم في الـ slide السابقة

74
00:05:24,210 --> 00:05:30,020
زي ما أرسلناها، يعني أنا الآن هي الـ data set بتاعي

75
00:05:30,020 --> 00:05:37,920
مرة كمان، فصلت الـ cluster

76
00:05:37,920 --> 00:05:40,940
أو فصلت الـ data set، الـ attribute والـ label أو الـ

77
00:05:40,940 --> 00:05:46,720
class، جسمّلت

78
00:05:46,720 --> 00:05:49,200
الـ data set، صار عندي الآن هي الـ label وهي الـ

79
00:05:49,200 --> 00:05:55,150
attribute، الآن بأجي بأطبق الـ clustering، بأطبق الـ

80
00:05:55,150 --> 00:05:57,170
clustering على الـ attributes اللي موجودة عندها

81
00:05:57,170 --> 00:06:02,830
على الـ instances اللي موجودة، تمام، الآن فعلياً كل

82
00:06:02,830 --> 00:06:07,870
instance بتبقى class وفي عندي مجموعة instances في

83
00:06:07,870 --> 00:06:10,470
نفس الـ class، بينجّم أنه فعلياً الـ data already

84
00:06:10,470 --> 00:06:15,590
منجسمة، فإذا أنا قدرت أربط ما بين الـ true cluster

85
00:06:15,590 --> 00:06:21,890
اللي هي الـ label والـ predicted cluster اللي موجود

86
00:06:21,890 --> 00:06:26,610
عندها، بقدر أنشئ شغل اسمها الـ Contingency Matrix

87
00:06:26,610 --> 00:06:29,930
ومن الـ Contingency Matrix ممكن أن أتكلّم على شغل

88
00:06:29,930 --> 00:06:36,160
أول metric، هسميها الـ Purity، تعالوا نتكلم عن الـ

89
00:06:36,160 --> 00:06:38,920
Contingency Matrix، ايش الـ Contingency Matrix

90
00:06:38,920 --> 00:06:43,720
بتقول؟ أن لدي ثلاثة .. طبعاً لاحظوا يا جماعة الخير

91
00:06:43,720 --> 00:06:47,960
في موقفي، أنا بدي أختبر Clustering Algorithm في

92
00:06:47,960 --> 00:06:51,980
عندي labeled data set، الـ labeled data set فيها عدد

93
00:06:51,980 --> 00:06:55,800
classes معيّن N، لما بدي أستخدم الـ Clustering

94
00:06:55,800 --> 00:06:59,020
Algorithm، بدي أقول جسمّلتها لـ N من الـ cluster لأن

95
00:06:59,020 --> 00:07:02,800
كل cluster بدي يمثل Class، فأنا بفترض أنه عندي data

96
00:07:02,800 --> 00:07:07,680
set مكوّنة من three classes، labeled data set مكوّنة

97
00:07:07,680 --> 00:07:13,080
من three classes، بنسمّيهم T1 وT2 وT3، من true true

98
00:07:13,080 --> 00:07:18,520
cluster أو true segment أو true partition، سمّوها زي

99
00:07:18,520 --> 00:07:24,380
ما بدّكم، true label سمّوها زي ما بدّكم، وC1 وC2 وC3 هما

100
00:07:24,380 --> 00:07:28,060
الـ clusters اللي أنشأتهم من الـ algorithm اللي

101
00:07:28,060 --> 00:07:31,580
موجود عندها، ايش راح أجيب؟ ايش بفهم الـ contingency

102
00:07:31,580 --> 00:07:41,000
matrix؟ أن في C1، C1 خمسة وعشرين element بينتمي لـ

103
00:07:41,000 --> 00:07:45,020
T2 وخمسة

104
00:07:45,020 --> 00:07:50,410
elements بينتمي لـ T3، وخمس عناصر بينتمي لـ T3، يعني

105
00:07:50,410 --> 00:07:56,730
عندي 25 عنصر من T، ناتج

106
00:07:56,730 --> 00:08:06,470
الـ clustering، C1 بيحتوي على 30 عنصر، 25 منهم حقيقة

107
00:08:06,470 --> 00:08:12,550
من الـ class الثاني و5 من الـ class الثالث ولا

108
00:08:12,550 --> 00:08:18,880
واحد من الـ class الأول، T2 أو cluster C2 بيحتوي على

109
00:08:18,880 --> 00:08:25,100
35 عنصر، 15 من الـ class الأول و20 من الـ class

110
00:08:25,100 --> 00:08:32,220
الثالث، cluster ثلاثة بيحتوي على عشر عناصر فقط، كلهم

111
00:08:32,220 --> 00:08:40,100
كلهم بيتبعوا T1، الآن هذا الكلام إذا أنا فهمته

112
00:08:41,270 --> 00:08:45,670
معناته أنا مش ضروري الـ Clustering algorithm تبعي

113
00:08:45,670 --> 00:08:49,250
يكون صح مائة في المائة، ممتاز، طيب متى بيكون صح مائة

114
00:08:49,250 --> 00:08:57,710
في المائة؟ إذا والله أنا إجيت قلت هيك مثلاً

115
00:08:57,710 --> 00:09:00,830
حصرت على صورة واحدة من الصور التالية، فأنا هأتكلّم عن

116
00:09:00,830 --> 00:09:08,150
الـ matrix، لو أنا إجيت قلت هنا والله عندي

117
00:09:08,150 --> 00:09:08,990
هنا ثلاثين

118
00:09:12,600 --> 00:09:24,500
وعندي هنا 20 وعندي هنا 50 وأنا

119
00:09:24,500 --> 00:09:28,740
C1، C2،

120
00:09:28,740 --> 00:09:39,400
وC3، والباقي أصفر، طبعاً هنا T1، T2، T3، وأنا تعمّدت أحط

121
00:09:39,400 --> 00:09:45,560
القيم نفس الكمية، لحظوا معايا إنه فعلياً كل cluster

122
00:09:45,560 --> 00:09:50,720
completely pure، صافي ما فيش فيه أي .. يعني كل

123
00:09:50,720 --> 00:09:53,800
cluster مثل واحدة من الـ classes اللي موجودة عندي

124
00:09:53,800 --> 00:09:57,980
كل cluster مثل واحدة فقط من الـ classes اللي موجودة

125
00:09:57,980 --> 00:10:01,920
عندي، وهنا بتكلم إنه فعلياً كل cluster نقي تماماً

126
00:10:01,920 --> 00:10:06,740
بيحتوي على عناصر من نفس الـ class فقط، عشان هي كان

127
00:10:06,740 --> 00:10:10,900
بنتكلم إحنا على الـ purity، نقاوة أو نقاء، درجة

128
00:10:10,900 --> 00:10:17,700
النقاء، طيب بما أن الحالة دي هي الـ optimal case أو

129
00:10:17,700 --> 00:10:21,640
الـ ideal case واللي أنا فعلاً مش هأحصل عليها، أنا

130
00:10:21,640 --> 00:10:24,400
هأحصل على شغل مشابه زي هيك من خلال الـ contingency

131
00:10:24,400 --> 00:10:28,020
matrix، كيف أحسب الـ purity؟ الـ purity هي تساوي

132
00:10:28,020 --> 00:10:35,180
عبارة عن مجموع الـ maximum في كل صف، الـ maximum عدد

133
00:10:35,180 --> 00:10:40,410
maximum للـ Ti تنتمي لـ C، على الآن، الـ maximum خمسة و

134
00:10:40,410 --> 00:10:44,750
عشرين، الـ maximum عشرين، الـ maximum عشرة، يعني خمسة و

135
00:10:44,750 --> 00:10:49,430
عشرين زائد عشرين زائد عشرة، عندما أتكلّم عن خمسة و

136
00:10:49,430 --> 00:10:53,550
خمسين، على كل الآن خمسة وخمسين، وفي عندي أضيفهم

137
00:10:53,550 --> 00:10:58,670
هنا على خمسة وسبعين، بتكلم على الـ purity، الآن إن

138
00:10:58,670 --> 00:11:04,870
عندي هنا ثلاثين، خمسة وثلاثين هي خمسة وستين، خمسة

139
00:11:04,870 --> 00:11:10,750
و سبعين، معناته عندي أنا هنا خمسة اللي عندي هنا

140
00:11:10,750 --> 00:11:13,830
نتكلم .. إحنا قلنا الـ maximum خمسة وأربعين ..

141
00:11:13,830 --> 00:11:21,510
خمسة وخمسين .. خمسة وخمسين على خمسة وسبعين، هذه

142
00:11:21,510 --> 00:11:23,970
الـ purity تبع الـ cluster أو تبع الـ contingency

143
00:11:23,970 --> 00:11:29,990
matrix اللي موجودة عندي

144
00:11:29,990 --> 00:11:34,250
طيب .. تعالوا نشوف المثال البسيط اللي عندي هذا

145
00:11:41,930 --> 00:11:45,370
أنا مش بقول، بقول إن أنا الـ Purity بقدر أحسبها إذا

146
00:11:45,370 --> 00:11:50,690
كانت بتعامل مع test set بتحتوي على target class

147
00:11:50,690 --> 00:11:56,970
تخيّل، عشان يدمج التعريف هذا، الـ definition هذا، عشان

148
00:11:56,970 --> 00:12:00,610
يدمج ما بين الشغلتين، بين إنه فعلياً الـ clustering

149
00:12:00,610 --> 00:12:05,230
بتطبق على test set وأنا ما بقدرش أروح أقدر أعمل

150
00:12:05,230 --> 00:12:09,980
evaluation إلا غير لو كان الـ label موجود، فجالي الـ

151
00:12:09,980 --> 00:12:12,960
test set بتحتوي على target التي بنجمعها من الـ training

152
00:12:12,960 --> 00:12:20,520
set ولا شو رأيكم؟ training

153
00:12:20,520 --> 00:12:25,220
set، بيبقى الآن بقول، أفرض أن أنا في عندي test set

154
00:12:25,220 --> 00:12:29,900
مكوّنة من 24 element بتنتمي لـ three different

155
00:12:29,900 --> 00:12:39,530
classes، الـ O أو الـ circle، triangle، و square، ومجسّم

156
00:12:39,530 --> 00:12:45,490
العناصر بالتساوي، 8، 8، 8، 8، بعد ما طبّقت الـ clustering

157
00:12:45,490 --> 00:12:50,510
تبعتي، الـ cluster C1 فيها العناصر التالية، الـ cluster

158
00:12:50,510 --> 00:12:55,650
C2، والـ cluster C3، طبعاً هنا في مصطلح جديد أضيفه

159
00:12:55,650 --> 00:13:01,630
نقاء كل cluster، نقاء كل cluster بشكل مستقل، إذا

160
00:13:01,630 --> 00:13:07,380
سألتكم، الـ cluster الأول بيمثل ايش؟ معظمكم حيقولوا والله

161
00:13:07,380 --> 00:13:12,880
هذا بيمثل المثلثات، الـ triangles، واللي تحت

162
00:13:12,880 --> 00:13:16,480
التاني راح يمثل المربعات الحمراء، وهذه راح تمثل الدوائر

163
00:13:16,480 --> 00:13:19,340
الخضراء، مظبوط؟ فبالتالي أنا بقدر أحسب الـ purity

164
00:13:19,340 --> 00:13:22,300
تبع كل cluster، الـ cluster الأول بيحتوي على 9 عناصر

165
00:13:22,300 --> 00:13:26,420
والـ maximum كانت لمين؟ للمثلثات، معناته 6 على 9

166
00:13:26,420 --> 00:13:29,880
لكن مش هي الـ target بتاعتي، أنا ما بهمنيش الـ purity

167
00:13:29,880 --> 00:13:34,820
تبع كل class، أنا اللي بيهمني الـ purity لكل output

168
00:13:34,820 --> 00:13:40,340
مرة واحدة للـ algorithm، الـ 24 element، هروح

169
00:13:40,340 --> 00:13:44,920
أدور هنا، الـ maximum هنا 6، الـ maximum هنا 5، الـ

170
00:13:44,920 --> 00:13:49,980
maximum هنا 5، 6 زائد 5 زائد 5 على 24، 16 على 24

171
00:13:49,980 --> 00:13:53,660
درجة النقاء اللي بيعطينا إياها الـ cluster هذا بشكل

172
00:13:53,660 --> 00:14:00,460
عام، 76.67% وهيك بتتمّ حساب الـ purity بتاعتنا هنا

173
00:14:00,460 --> 00:14:04,220
طبعاً كمان مرة برجع بقول، أنا بقدر أتكلّم بشكل مبدئي

174
00:14:04,220 --> 00:14:09,910
الـ majority تبع كل cluster، كذا غالبية تبع كل

175
00:14:09,910 -->