السلام عليكم ورحمة الله... معاكم Kaito :)

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

البارح شفنا Linear Regression

وكيفاش كيعاون اننا نحلو مشكل الانحدار فاش كتكون عندنا قيم مستمرة

اليوم غنشوفو الانحدار اللوجستي Logistic Regression

ولكن هاد algorithm على عكس السمية ديالو..

كيتستعمل اكثر فالمشكل ديال التصنيف Classification

وخا سماوه Regression

ولكن هو صالح بزاف ل Classification

هو واحد النوع من خوارزميات التعلم الالي الخاضعة لاشراف

supervised machine learning algorithm

اللي كنخدمو بيها غالبا فمشاكل ديال التصنيف،

ملي كيكون المخرج output او الهدف اللي بغينا نتوقعو

هو واحد المتغير اللي ثابت (بحال هداك المثال ديال المش والكلب اللي شفنا فالايام الاولى)

هو كيشبه صراحة للانحدار الخطي ،

غير بلاصة ميعطيك نتيجة مستمرة،

كيعطيك واحد قيمة احتمال probability بلي واحد النقطة من الداتا غتكون كتنتمي لواحد الفئة class معينة..

انعطيك مثال:

تخيل بلي واحد الشركة صافطات ايمايلات للعملاء ديالها او عملاء محتملين فيهم بحال ايلا قلتي شي اشهار كتحاول تقنعهم فيه بالعروض والتخفيضات باش يشريو منتجات معينة ديالها..

جينا بغينا نديرو كيفما درنا البارح مع linear regression,

غادي نرسمو دوك النقط فواحد المبيان plot the data

السطر التحتاني هو العمر ديال دوك العملاء،

والسطر على الجنب فيه 0 و 1

يعني 1 ديال اه و 0 ديال لا،

يعني دوك النقط ديال الداتا اللي تستفو فالسطر التحتاني ديال 0 هما العملاء اللي رفضو داك العرض،

والنقط اللي الفوق ف 1 هما الناس اللي وافقو يشريو..

ايلا شفتي مزيان المبيان وفكرتي شوية،

غدي تستنتج واحد النمط مهم pattern

وهو ان قدما كان العمر ديال العملاء كبير،

قدما كاينة احتمالية انهم يشريو،

وبالعكس، قدما كانو صغار فالعمر ،

قدما تزادت الاحتمالية انهم يتجاهلو ويرفضو العرض..

ايلا بان ليك هاد البلان فراك ناضي وشاد معانا الخط..

دبا نشوفو الانحدار فين كاين..

فاش كنبغيو نديرو الخط اللي درنا البارح،

غدي تشوف وتحس بلي شي حاجة ما هياش..

كيبان ليك بلي هاد الخط ماشي هو best-fit line

و اصلا هاد الخط بحال هكا مغينفعش حيتاش الداتا هنايا مفرقة

ماشي مجموعة على شكل خطي كيفما شفنا البارح،

فالانحدار اللوجستي باش نتوقعو action واش غتكون 0 اولا 1

كنحسبو ديما الاحتمالية probability

فالمثال ديالنا نفتارضو العمر فاش الخط قاس دوك النقط اللي التحت (فالأفصول) هو 35 عام

الخط اللي رسمنا كيقول لينا بلي اي واحد عمرو من 35 للفوق عندو احتمالية باش يتقدا من عند ديك الشركة..

مثلا خدينا نقطة فالوسط، غنشوفو الاحتمالية ديال واش غيشري

ولكن رد معايا البال للسطر فين خارج من الفوق و من التحت،

حنا قلنا بلي الاحتمالية تقدر تكون غير مابين 0 و 1،

ولكن مع هاد السطر اللي خارج غادي نفوتوها

وهدشي ماشي لوجيك..

حيتاش مكيمكنش تقول:

"كاينة احتمالية ديال 130% باش واحد فعمرو 75 سنة انه يقبل العرض"

لا!

كاين من 0 حتال 100%

يعني الاحتمالية هي من 0 حتال 1 فالحالة ديالنا

اللي كنديرو هو انه كنعوجو ديك الشياطة الزايدة وكنلصقوها باش تولي مقادة مع الحدود ديال الgraph ديالنا

من بعد كنطبقو واحد المعادلة رياضية على الدالة ديالنا

باش تولي من الدالة العادية اللي درنا البارح الى دالة خاصة بالانحدار الخطي..

بغيتي تفهمها كثر هاهو الفيديو قصير شوفو كيشرحها بطريقة سهلة

(ولكن دبا تقدر تبع ماشي مشكل حتا تفرج من بعد)

الخط ديالنا كيولي بحال هكا:

هدا هو best-fit line ديالنا

دبا نسا عليا داك الماط

مع هاد الخط كنحسبو الاحتمالية probability ارلا p_hat

هنايا كنرسمو النقط ديال مجموعات العمر، مثلا كنقسو العمر ب 10 سنين 20 عام (الفئات السنية) ،

وباش نعرفو الاحتمالية ديالهم، كنسقطوهوم على داك الخط الاخضر الي رسمنا..

دبا كل فئة عندنا الاحتمالية ديالها،

ولكن باقي محليناش المشكل

مزال ملقيت والو..

خص نلقا واش بنادم بصح غيقبل العرض اولا لا

معندي مندير باحتماليات انا!

بغينا توقع واش اه اولا لا!

كيفاش غنديرو ليها؟

كنرسمو واحد الخط اللي الهدف منو هو نفصلو بين الحلات الجوج اللي عندنا..

هاد الخط كترسمو بناء على معرفتك بكل حالة معينة،

ولكن غالبا كترسمو ف 50% يعني كتقسمو على 2 غير باش يكون داك التماثل ويجي دكشي زوين .

من بعد كنسقطو اي نقطة فداك الخط الاخضر عندنا فيها قل من 50% كنهبطوها للتحت ل 0 واي نقطة فايتة 50% كنطلعوها ل 1

هدشي كيعني بلي:

ايلا كانت الاحتمالية ديال واحد العميل أقل من 0.5 ، اذن نقدرو نتوقعو بلي راه مغيشري والو وغيرفض العرض..

ايلا كانت الاحتمالية فوق 0.5، فراه التوقع غيكون بلي راه غيشري..

باش نختمو، دبا بان ليك البلان والفرق اللي كاين ما بين linear regression و logistic regression

بجوجهم كيحاولو يقلبو على احسن خط مناسب best-fit line

(منحنى curve فالحالة ديال logistic) للداتا اللي عندنا.

مع الانحدار اللوجستي بلاصة منقلبو على التغييرات اولا الانماط،

كنحاولو نلقاو احتمالات او تنبؤات لدوك actions اللي عندنا (واش غيشري اولا مغيشريش، واش هاد المايل سبام اولا ماشي سبام…)

ايلا كنتي ديجا كتكودي وباغي تطبق هاد الالغوريتم فداتاسيت بصح

(متخافش مافيه لا ماط لا والو..)

تبع مع هاد الفيديو

ايلا بغيتو درس يشرح كثر بالدارجة هاهو الفيديو — تحية للناس اللي شادين هاد القناة

غدا غنشوفو الغوريتم اخر ان شاء الله..

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:

  superdatascience - Logistic Regression Simply Explained with Examples

  

• ايلا عاجبك هدشي وقادر باش تساند هاد newsletter بدعم مادي

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

  شكرا (: