day 12- naive bayes

السلام عليكم ورحمة الله... معاكم Kaito :)

مرحبا بيكم فالنهار 12 ديال سلسلة 30 يوم من التعلم الآلي..

البارح شفنا KNN

اليوم غنشوفو واحد الالغوريتم جديد

اللي هو naive bayes

بالعربية 'بايز الساذج'

(وجنون محمد صلاح)

هو واحد النوع من خوارزميات التعلم الالي الخاضعة لاشراف

supervised machine learning algorithm

اللي كنخدمو بيها غالبا فمشاكل ديال classification

وهو واحد النوع اللي كايبازي على concept ديال الاحتمالية probability

هاد algorithm كيعتمد على تطبيق واحد القاعدة رياضية

كتسمى بايز bayes

ولكن مع فرض الاستقلال بين المتغيرات..

كيفاش استقلال؟

هاد الخوارزمية كتفتارض بلي الوجود ديال ميزة معينة فواحد الفئة لا علاقة ليه ب حتى شي ميزة اخرى..

بمعنى اخر،

هاد الالغوريتم كيدير تنبؤات من من خلال حساب احتمال أن تنتمي نقطة بيانات جديدة لفئة معينة بناءً على احتمالية ديال الميزات المرتبطة بهذه الفئة..

وهنا كتفترض الخوارزمية بلي features مستقلين بيناتهم

ودكشي علاش تسمات naive

على سبيل المثال ،

تقدر naive bayes تصنف واحد الفاكهة على أنها تفاحة

إيلا كانت حمراء ومدورة مثلا

حتى إذا كانت هذه الميزات كيعتمدو على بعضياتهم

أو عندهم علاقة مع ميزات أخرى

فهاد Naive Bayes كيقول ليه انا ماشي سوقي

غنحسب الاحتمالية ديال الفاكهة ايلا كانت حمرة بوحدها

وغنعاود نحسب الاحتمالية دال الفاكهة ايلا كانت مدورة

عاااد غنجيب هاد الاحتماليات بجوج باش نتوقع بلي هاد الفاكهة راه تفاحة

كل خاصية كتساهم بشكل مستقل فالتنبؤ ديالك

والقاعدة ديال naive bayes هيا هادي:

هاد P(H | E) هو قيمة الاحتمال اللاحق للفئة.

و P(H) هو الاحتمال السابق للفئة.

و P(E | H) هو الاحتمال وهو احتمال توقع فئة معينة.

اما P(E) هو الاحتمال السابق للتنبؤ.

خلعك الماط عوتاني؟

عادي جدا..

باش نفهمو طريقة عمل هاد الخوارزمية

نفترضو بغينا نتوقعو واش كاينة شي احتمالية باش نلعبو شي ماتش هاد الليلة فالتيران ديال الحومة بناءا على احوال الطقس.

لحت كاين مجموعة بيانات تدريبية training set للطقس

عندنا فيهم "مشمس".. "غائم".. و "ممطر"

وعندنا متغير الهدف target لي كيبين واش غيتلعب الماتش

و الاجابة بنعم أو لا.

دبا غيخصنا نديرو تصنيف واش الدراري غيقصرو اولا لا بناءً على حالة الطقس.

هنا غنتبعو بعض الخطوات..

الخطوة 1: كنحولو مجموعة البيانات إلى جدول تكراري.

يعني بلاصة ميكون عندنا دكشي معاود.. نصنفو كل وحدة ونقولو شحال من مرة كاينة.. باش داك الجدول نصغروه ويبان لينا شكانديرو..

الخطوة 2: كنقادو جدول الاحتمالية.

من خلال إيجاد الاحتمالات مثلا احتمال باش الجو يكون غائم = 0.29 واحتمال إمكانية اللعب = 0.64.

الخطوة 3: كنطبقو معادلة Naive Bayes باش نحسبو الاحتمال اللاحق لكل فئة.

والفئة لي عندها اعلى قيمة ديال الاحتمال اللاحق هي النتيجة ديال التنبؤ.

مثلا بغينا نعرفو ايلا كانت الشمس واش الدراري غدي يقصرو؟

غتطبق القاعدة ديالنا:

P(Yes | Sunny) = P(Sunny | Yes) * P(Yes) / P (Sunny)

هنا عندنا

P (Sunny |Yes) = 3/9 = 0.33

P(Sunny) = 5/14 = 0.36

P(Yes)= 9/14 = 0.64

اذن

P (Yes | Sunny) = 0.33 * 0.64 / 0.36 = 0.60

القيمة 0.6 هي قيمة احتمال شوية طالعة.. فايتة 50%

صافي هنا كنقدرو نجاوبو ونقولو بلي حسب naive bayes

كنتوقعو بلي الماتش غيتلعب بنسبة 60%

هاداا هو naive bayes

مافيه والو ياك؟

غييير شوية ديال الحساب..

المهم هاد الالغوريتم فيه انواع

عندك مصنفات Gaussian Naive Bayes

و Multinomial Naive Bayes

و Bernoulli Naive Bayes…

عوتاني على حسب الداتا ديالك ونوع التوقعات اللي بغيتي..

كل واحد و ايمتا كيتستعمل

ولكن الهدف والتقنية كتبقا بحال بحال..

بغيتي فيديو كيشرح البلان كثر وبطريقة سهلة

ها هو تفرج واستافد مع راسك

هذي خلاصة اليوم..

نتلاقاو فايمايل اخر غدا!

كنتمنى تكونو استافدتو.. ايلا عندكم شي تساؤل اولا مشرحتش شي حاجة مزيان، غير صيفط ليا رد فهاد المايل نيت..

— Kaito

ملاحظات:

• مصادر:

  Naive Bayes, Clearly Explained!!!

• ايلا عاجبك هدشي وقادر باش تساند هاد newsletter بدعم مادي

  دخل لهنا: https://ko-fi.com/callmekaito

  شكرا (: