| 1 | |
| 00:00:05,040 --> 00:00:07,160 | |
| بسم الله والحمد لله والصلاة والسلام على رسول الله | |
| 2 | |
| 00:00:07,160 --> 00:00:11,860 | |
| أهلا وسهلا فيكم يا شباب في محاضرتنا الثانية في | |
| 3 | |
| 00:00:11,860 --> 00:00:16,180 | |
| موضوع ال classification كنا حكينا في المحاضرة | |
| 4 | |
| 00:00:16,180 --> 00:00:20,100 | |
| الماضية أن موضوع ال classification هي عبارة عن | |
| 5 | |
| 00:00:20,100 --> 00:00:26,320 | |
| تحديد عضوية المجموعات المعروفةعلى سبيل المثال لو | |
| 6 | |
| 00:00:26,320 --> 00:00:31,920 | |
| قلت أنا بدي .. في عندى تلك مجموعات طلاب .. في عندى | |
| 7 | |
| 00:00:31,920 --> 00:00:35,340 | |
| تلك مجموعات للطلاب مجموعات الامتياز و مجموعات | |
| 8 | |
| 00:00:35,340 --> 00:00:41,180 | |
| الجيد جدا و مجموعة الجيد الآن و جينا قولنا و الله | |
| 9 | |
| 00:00:41,180 --> 00:00:46,940 | |
| في عندنا سين من الناس او سين من الطلاب الآن سين من | |
| 10 | |
| 00:00:46,940 --> 00:00:51,180 | |
| الطلاب هذا لازم يصنف او لازم ينتمي لوحدة من | |
| 11 | |
| 00:00:51,180 --> 00:00:56,530 | |
| المجموعات التلاتة بناء علىعلى ايش؟ على معدله و لا | |
| 12 | |
| 00:00:56,530 --> 00:01:01,030 | |
| لأ على المعدل ان كان شرطنا ان المعدلات هذه معروفة | |
| 13 | |
| 00:01:01,030 --> 00:01:06,790 | |
| تبعا لمستوهم او تحصيلهم العلمى لان هذه التصنيف | |
| 14 | |
| 00:01:06,790 --> 00:01:09,670 | |
| لاحظ ان انا ماليش سلطة كتيرة على المجموعات | |
| 15 | |
| 00:01:09,670 --> 00:01:13,570 | |
| المجموعات already predefinedالان بدي أحاول أعرف | |
| 16 | |
| 00:01:13,570 --> 00:01:16,690 | |
| خصائص كل مجموعة، شو .. شو معدلات الامتياز أو شو | |
| 17 | |
| 00:01:16,690 --> 00:01:20,010 | |
| خصائص الأشخاص أصحاب الامتياز، خصائص المجموعة | |
| 18 | |
| 00:01:20,010 --> 00:01:23,470 | |
| الأولى، شو خصائص المجموعة التانية، شو خصائص | |
| 19 | |
| 00:01:23,470 --> 00:01:26,670 | |
| المجموعة التالتة، وسيم من الطلاب هذا اللي هي ال | |
| 20 | |
| 00:01:26,670 --> 00:01:29,070 | |
| instance اللي عندي اللي أنا بدي أضيفه لمجموعة من | |
| 21 | |
| 00:01:29,070 --> 00:01:33,050 | |
| المجموعات التلاتة، بدي أشوف إيش الخصائص اللي عنده، | |
| 22 | |
| 00:01:33,050 --> 00:01:36,770 | |
| و بتتقاطع مع أي خصائص من المجموعات التلاتة وبناء | |
| 23 | |
| 00:01:36,770 --> 00:01:40,600 | |
| عليه هيكده أنا بقىبقى صنفه للمجموعة اللي عندنا | |
| 24 | |
| 00:01:40,600 --> 00:01:43,680 | |
| وكنا اتكلمنا في ال learning ال machine learning | |
| 25 | |
| 00:01:43,680 --> 00:01:47,340 | |
| كون تقنيكس بشكل عام فيها supervised و unsupervised | |
| 26 | |
| 00:01:47,340 --> 00:01:50,920 | |
| تبع هل الإنسان متدخل ولا غير متدخل في الموضوع | |
| 27 | |
| 00:01:50,920 --> 00:01:54,420 | |
| وقولنا ان موضوع ال learning كمان incrementally هل | |
| 28 | |
| 00:01:54,420 --> 00:01:58,760 | |
| هو batch ولاonline وقلنا كمان في عندي model based | |
| 29 | |
| 00:01:58,760 --> 00:02:03,120 | |
| ولا instance based بناء هل ال algorithm هذا المخرج | |
| 30 | |
| 00:02:03,120 --> 00:02:06,040 | |
| تبع ال algorithm ال machine learning هديني model | |
| 31 | |
| 00:02:06,040 --> 00:02:10,540 | |
| ولا مش هديني model قلنا في الآخر بكل الأحوال انا | |
| 32 | |
| 00:02:10,540 --> 00:02:14,220 | |
| عندي خيوطين في اي عملية classification ال model | |
| 33 | |
| 00:02:14,220 --> 00:02:18,860 | |
| construction كيف انا بدي اكون في عندي function لما | |
| 34 | |
| 00:02:18,860 --> 00:02:24,810 | |
| انا اديهاالـ object تروح تصنف ليه تحت المصنفات | |
| 35 | |
| 00:02:24,810 --> 00:02:29,110 | |
| المعروفة مسبقًا و ال model usage كيف أنا بدي | |
| 36 | |
| 00:02:29,110 --> 00:02:33,190 | |
| استخدم ال model الموجود هنا و قولنا عادة أنا بأجسم | |
| 37 | |
| 00:02:33,190 --> 00:02:36,390 | |
| ال data set تبعتي ل training set و testing set | |
| 38 | |
| 00:02:36,390 --> 00:02:39,550 | |
| عشان أعمل evaluation و من أهم ال concept اللي لازم | |
| 39 | |
| 00:02:39,550 --> 00:02:43,190 | |
| أنا أعرفه ال accuracy و هي المقدار أو ال ratio تبع | |
| 40 | |
| 00:02:43,190 --> 00:02:46,760 | |
| ال correct predictionالـ Correct Classification | |
| 41 | |
| 00:02:46,760 --> 00:02:50,360 | |
| على كل الـ instances اللي عملها Classification | |
| 42 | |
| 00:02:50,360 --> 00:02:54,240 | |
| وقلنا لـ Speed و Robustness جدّيشبو يدّيني result | |
| 43 | |
| 00:02:54,240 --> 00:02:58,640 | |
| صحيحة مع وجود ال noise data ال scalability و ال | |
| 44 | |
| 00:02:58,640 --> 00:03:01,860 | |
| interpretability حكينا عليهم و كان المفروض اليوم | |
| 45 | |
| 00:03:01,860 --> 00:03:06,420 | |
| ان شاء الله تعالى نبدأ مع ال algorithms و نشوف كيف | |
| 46 | |
| 00:03:06,420 --> 00:03:08,720 | |
| ال algorithm قاعدة بتشتغل مع العناصر اللي موجودة | |
| 47 | |
| 00:03:08,720 --> 00:03:13,570 | |
| عندى او في ال classification و اول algorithmبيشتغل | |
| 48 | |
| 00:03:13,570 --> 00:03:17,670 | |
| او هنتكلم عليه الـ K nearest neighbor الان K | |
| 49 | |
| 00:03:17,670 --> 00:03:21,410 | |
| nearest neighbor شو يعني nearest neighbor في الأول | |
| 50 | |
| 00:03:21,410 --> 00:03:27,710 | |
| أقرب جار اقرب جار لو انا اجيت اسمك هاني هاني بدي | |
| 51 | |
| 00:03:27,710 --> 00:03:32,410 | |
| اعرف هاني كويس | |
| 52 | |
| 00:03:32,410 --> 00:03:37,490 | |
| ايش ممكن اروح اسوي اروح اطبق مين اصحاب هاني مين | |
| 53 | |
| 00:03:37,490 --> 00:03:45,200 | |
| اصحاب هاني المقربين وبناء عليهبنقول إنه هاني صفاته | |
| 54 | |
| 00:03:45,200 --> 00:03:49,840 | |
| بصفات الناس اللي أنا بعرفهم من مين من أصحابه أو من | |
| 55 | |
| 00:03:49,840 --> 00:03:53,380 | |
| جيرانه Can your neighbor يعني أنا بدي أحطلهم عدد | |
| 56 | |
| 00:03:53,380 --> 00:03:57,450 | |
| من أقرب اتنين لهاني من أقرب تلاتة من أقرب خمسةو | |
| 57 | |
| 00:03:57,450 --> 00:04:01,150 | |
| هنتكلم ليش الكيه هذي و إيش أهميتها النايف بيسيان | |
| 58 | |
| 00:04:01,150 --> 00:04:04,270 | |
| هو أنا بعتمد على probability decision tree هنتشوف | |
| 59 | |
| 00:04:04,270 --> 00:04:07,930 | |
| كيف ممكن أنا أبني decision بناء على العناصر هي و | |
| 60 | |
| 00:04:07,930 --> 00:04:11,230 | |
| بعدين ننتقل لباقي propagate ال neural network نبدأ | |
| 61 | |
| 00:04:11,230 --> 00:04:15,010 | |
| مع ال kenyer's neighbor ال kenyer's neighbor هو | |
| 62 | |
| 00:04:15,010 --> 00:04:19,850 | |
| عبارة عن instance based learning التصنيف الأخير | |
| 63 | |
| 00:04:19,850 --> 00:04:23,610 | |
| خالص لما قلت إنه هل ال algorithm تبعي بيبنيلي | |
| 64 | |
| 00:04:23,610 --> 00:04:28,020 | |
| model ولا ماببديليش model بيديني value مباشرةالـ | |
| 65 | |
| 00:04:28,020 --> 00:04:30,780 | |
| Canary Snapper من الـ algorithm اللي ما بتعطيني | |
| 66 | |
| 00:04:30,780 --> 00:04:37,020 | |
| model بتعطيني نتيجة .. بتعطيني نتيجة وبالتالي it | |
| 67 | |
| 00:04:37,020 --> 00:04:40,460 | |
| doesn't use any model to fit .. مابتبنيش model | |
| 68 | |
| 00:04:40,460 --> 00:04:47,060 | |
| مطلقا .. it's only based on memory فقط بتعتمد على | |
| 69 | |
| 00:04:47,060 --> 00:04:51,040 | |
| الذاكرة .. ليش الذاكرة؟ انه فعليا عملية حساب كلها | |
| 70 | |
| 00:04:51,040 --> 00:04:55,460 | |
| تبتصيرفي ال memory و كل ما كانت ال memory أكبر لأن | |
| 71 | |
| 00:04:55,460 --> 00:05:01,100 | |
| ال data set أكبر بكون أنسب ال k-nearest neighbor ك | |
| 72 | |
| 00:05:01,100 --> 00:05:04,240 | |
| classification algorithm بتديني نتيجة او نتيجة | |
| 73 | |
| 00:05:04,240 --> 00:05:13,400 | |
| تبعته أو ال class بناء على ال majority أو الأغلبية | |
| 74 | |
| 00:05:13,400 --> 00:05:22,400 | |
| في جيران العنصر هذا لو انا اجيت قلت في عندىمجموعة | |
| 75 | |
| 00:05:22,400 --> 00:05:23,020 | |
| من الأشخاص | |
| 76 | |
| 00:05:50,980 --> 00:05:56,060 | |
| قلنا أخونا هذا أو صاحبنا هذا بدنا نحطه لمجموعة من | |
| 77 | |
| 00:05:56,060 --> 00:06:02,460 | |
| المجموعتين شو بدنا نسوي ال | |
| 78 | |
| 00:06:02,460 --> 00:06:06,160 | |
| K-nearest neighbor algorithm أو ال KNN algorithm | |
| 79 | |
| 00:06:06,160 --> 00:06:13,880 | |
| بشتغل كالتالي بقول احسب الفرق ما بين العنصر هذا و | |
| 80 | |
| 00:06:13,880 --> 00:06:21,380 | |
| كل العناصر اللي موجودة يعني حد اقارن اناالعنصر هذا | |
| 81 | |
| 00:06:21,380 --> 00:06:26,160 | |
| مع هذا و مع هذا و مع هذا و مع هذا و مع هذا و مع | |
| 82 | |
| 00:06:26,160 --> 00:06:31,520 | |
| هذا ك instance ك object بغض النظر عن طريقة | |
| 83 | |
| 00:06:31,520 --> 00:06:39,420 | |
| المقارنة و اقارنه كمان مع | |
| 84 | |
| 00:06:39,420 --> 00:06:45,340 | |
| كل الأشخاص هدول لاحظ ان انا ضمنت كل ال data set | |
| 85 | |
| 00:06:45,340 --> 00:06:49,950 | |
| اللي موجودة عندىأصبت؟ يعني إذا كانت هدول هم ال | |
| 86 | |
| 00:06:49,950 --> 00:06:53,110 | |
| data set في ال two classes فانا ضمنت كل ال data | |
| 87 | |
| 00:06:53,110 --> 00:06:57,810 | |
| set الانشوف بيروح بيقوللي ال key nearest neighbor | |
| 88 | |
| 00:06:57,810 --> 00:07:03,950 | |
| مين أقرب ناس كانوا لإله أقرب ناس كانوا لإله أقرب | |
| 89 | |
| 00:07:03,950 --> 00:07:07,570 | |
| تلاتة | |
| 90 | |
| 00:07:07,570 --> 00:07:14,810 | |
| هيهم | |
| 91 | |
| 00:07:22,800 --> 00:07:30,980 | |
| مصبوط؟ أقرب تلاتة هدول للناس فهو هينتمي لنفس | |
| 92 | |
| 00:07:30,980 --> 00:07:35,920 | |
| المجموعة اللي فيها غالبية ال closest neighbors | |
| 93 | |
| 00:07:35,920 --> 00:07:42,080 | |
| هدول إيش الغالبية هان؟ أزرق فأخونا هذا بينضم لمين؟ | |
| 94 | |
| 00:07:42,080 --> 00:07:47,290 | |
| للأزرق بناء على مبدأالـ Voting للمجارة أو حسبة | |
| 95 | |
| 00:07:47,290 --> 00:07:51,450 | |
| المجارة أو الأغلبية تبعت الأشخاص أو تبعت العناصر | |
| 96 | |
| 00:07:51,450 --> 00:07:56,650 | |
| الموجودة عنده يعني يا إيهاب تأخذ وقت كتير أكيد او | |
| 97 | |
| 00:07:56,650 --> 00:07:59,230 | |
| تشوف ال media مثلا من الجهة الأولى و ال media | |
| 98 | |
| 00:07:59,230 --> 00:08:11,730 | |
| التانية و تشوف من أقرب درجة اه بس الآن هاي | |
| 99 | |
| 00:08:11,730 --> 00:08:12,690 | |
| ال center صح؟ | |
| 100 | |
| 00:08:19,480 --> 00:08:24,340 | |
| و هي ال center تبعت المجموعة التانية اذا انا هنا | |
| 101 | |
| 00:08:24,340 --> 00:08:34,140 | |
| او بلاش اذا انا هنا المسافة لل center اكبر من | |
| 102 | |
| 00:08:34,140 --> 00:08:43,980 | |
| المسافة لل center بينما كعناصر انا اقرب لهنا نعم | |
| 103 | |
| 00:08:43,980 --> 00:08:47,120 | |
| خليها | |
| 104 | |
| 00:08:49,960 --> 00:08:52,440 | |
| و نشوف مين أبعد واحد من انا ترقبى يعنى مش انه | |
| 105 | |
| 00:08:52,440 --> 00:08:57,660 | |
| مقارنة كذلك بس مهمش انا الان كريم .. كريم بيحمل | |
| 106 | |
| 00:08:57,660 --> 00:09:05,180 | |
| صفات صاحبه القريب منه اللي دائما ملازم له مش على | |
| 107 | |
| 00:09:05,180 --> 00:09:09,340 | |
| اللي بعيد ولا لا؟ يعني زي النقطة احنا بنعمل زي ال | |
| 108 | |
| 00:09:09,340 --> 00:09:15,460 | |
| cut ل ال picture اللي بدنا و الجرافة ده طيب ديني | |
| 109 | |
| 00:09:15,460 --> 00:09:18,060 | |
| كلام سيبني من ال dimension معين عشان .. ديني كلام | |
| 110 | |
| 00:09:18,060 --> 00:09:22,820 | |
| أبسط عشان انا في الدرافة مجدطيب طبعا عندنا كتير | |
| 111 | |
| 00:09:22,820 --> 00:09:26,580 | |
| يعني مثلا عندنا مية ألف تمام والنقطة اللي بدنا | |
| 112 | |
| 00:09:26,580 --> 00:09:30,920 | |
| نعرفها فانهي وفانهي وواحدة ضابط حوالي مثلا متين اه | |
| 113 | |
| 00:09:36,820 --> 00:09:39,300 | |
| طب ماهي .. مهمش .. بقى انت الرسم ال .. الوجد اللي | |
| 114 | |
| 00:09:39,300 --> 00:09:42,600 | |
| انت أخدته في رسم العناصر هو عبارة عن computation | |
| 115 | |
| 00:09:42,600 --> 00:09:46,720 | |
| لما روحت جبت المتين .. لأ لما انت روحت جبت المتين | |
| 116 | |
| 00:09:46,720 --> 00:09:50,240 | |
| و حطيت النقطة هاي بينهم انت already عملت ال | |
| 117 | |
| 00:09:50,240 --> 00:09:53,040 | |
| computation كلهيتها عشان تقدر تجيبهم في نفس النقطة | |
| 118 | |
| 00:09:53,040 --> 00:09:57,960 | |
| بقعة على الرسم ولا كيف ان حطت النقطة هذه أبعد من | |
| 119 | |
| 00:09:57,960 --> 00:10:01,760 | |
| هذه بالمسافة هاي بالتحديد و هذه أبعد بل برضه انت | |
| 120 | |
| 00:10:01,760 --> 00:10:03,580 | |
| عملت هنا قران بالمثل | |
| 121 | |
| 00:10:06,130 --> 00:10:10,230 | |
| كيف حددت الـ 200 ألف ان هدول هم الأقرب؟ الـ 200؟ | |
| 122 | |
| 00:10:10,230 --> 00:10:12,610 | |
| اه او الـ 200 عنصر هدول .. كيف انت حددتهم ان هدول | |
| 123 | |
| 00:10:12,610 --> 00:10:16,750 | |
| الأقرب؟ كيف عرفت الـ position تبعتها ان هدول الـ | |
| 124 | |
| 00:10:16,750 --> 00:10:22,730 | |
| 200 هم الأقرب لإلها؟ فعليا لفت عليهم كلهم؟ مصبوط؟ | |
| 125 | |
| 00:10:22,730 --> 00:10:25,850 | |
| و لا أنا غلطان انت الآن كمان مرة انا عندي 100 ألف | |
| 126 | |
| 00:10:25,850 --> 00:10:29,710 | |
| عندي | |
| 127 | |
| 00:10:29,710 --> 00:10:34,010 | |
| 100 ألف in instance انت عمالك بتقوللي انا حددت الـ | |
| 128 | |
| 00:10:34,010 --> 00:10:38,620 | |
| 200 نقطة الأقربكيف حددت المتين نقطة الأقرب من | |
| 129 | |
| 00:10:38,620 --> 00:10:45,000 | |
| الميت ألف مرت عليهم كلهم انت بتقولي انا اعتمدت | |
| 130 | |
| 00:10:45,000 --> 00:10:47,980 | |
| الرسم ما هو الرسم برضه نفسه لنفس الكلام هو عبارة | |
| 131 | |
| 00:10:47,980 --> 00:10:50,940 | |
| عن حدد النقاط و جدر يرسم لك اياهم او يعملهم | |
| 132 | |
| 00:10:50,940 --> 00:10:57,180 | |
| simulation تبع لل distance او قربهم او بعضهم تمام | |
| 133 | |
| 00:10:57,180 --> 00:11:01,200 | |
| تمام | |
| 134 | |
| 00:11:05,870 --> 00:11:09,630 | |
| إذا مافيش يعني صفر فقط كم بتزود عشرين ممتاز ممتاز | |
| 135 | |
| 00:11:09,630 --> 00:11:12,670 | |
| يعني أنت بدأت بشكل random مع عشرة صنطي و هل في | |
| 136 | |
| 00:11:12,670 --> 00:11:17,070 | |
| عناصر في العشرة صنطي و لا مافيش ماشي الحال و بعد | |
| 137 | |
| 00:11:17,070 --> 00:11:24,250 | |
| هيك شو روحت سويت زودت المسافة طب إيه أساسا أساسا | |
| 138 | |
| 00:11:24,250 --> 00:11:28,050 | |
| النقطة تبعتك النقطة تبعتك وين موجودة هتقول اللي | |
| 139 | |
| 00:11:28,050 --> 00:11:31,790 | |
| موجودة في XY صح | |
| 140 | |
| 00:11:32,780 --> 00:11:35,880 | |
| أصبت، لأ مش أسهل، انا بتدقق ان انا مش أسهل، هي | |
| 141 | |
| 00:11:35,880 --> 00:11:43,520 | |
| النقطة، هان عشان تحدد النقاط اللي في القطر عشرة | |
| 142 | |
| 00:11:43,520 --> 00:11:48,060 | |
| صنطي أو نص قطر عشرة، بدك تمر على كل النقاط عشان | |
| 143 | |
| 00:11:48,060 --> 00:11:52,060 | |
| تعرف مين النقاط اللي بتجهز من القطر هذا، و تجيبهم | |
| 144 | |
| 00:11:55,650 --> 00:11:59,390 | |
| مش بعد المحاولة، أنا بضل بتناقش معاك ليش؟ لأنه في | |
| 145 | |
| 00:11:59,390 --> 00:12:03,450 | |
| الآخر الشغل اللي انت غايب عنك ان ال graph أو الرسم | |
| 146 | |
| 00:12:03,450 --> 00:12:09,390 | |
| هذا ما إجا إلا غير بعملية حسابية، تمام؟ والعملية | |
| 147 | |
| 00:12:09,390 --> 00:12:13,230 | |
| الحسابية هي هي نفسها، أنا عمالي بمر على كل العناصر | |
| 148 | |
| 00:12:13,230 --> 00:12:17,050 | |
| عشان أحدد من الميتين، الآن أنا إيش بعرفني؟ عندي | |
| 149 | |
| 00:12:17,050 --> 00:12:23,190 | |
| نقطة هيها موجودة هنا، صح؟ هي نقطة، مجموعة ال | |
| 150 | |
| 00:12:23,190 --> 00:12:28,160 | |
| attributes هدول أو بلاش X وYالنقطة هذه ضمن المحيط | |
| 151 | |
| 00:12:28,160 --> 00:12:32,020 | |
| وهذه ليست من ضمن المحيط، ماذا أفعل؟ ماذا أفعل؟ بدي | |
| 152 | |
| 00:12:32,020 --> 00:12:36,240 | |
| أحسب الفرق ما بينه وبين النقطة هذه، مظبوط؟ اللي هي | |
| 153 | |
| 00:12:36,240 --> 00:12:42,180 | |
| الـ distance حسبت الـ distance، لأ طلعت برة، فانا | |
| 154 | |
| 00:12:42,180 --> 00:12:48,100 | |
| أتبرة الحسبة هذه، صح؟ هروح على ال X واحد و Y واحد، | |
| 155 | |
| 00:12:48,100 --> 00:12:53,510 | |
| أه هذه كانت في المنطقة هذهفانت العناصر هذه مش | |
| 156 | |
| 00:12:53,510 --> 00:12:57,970 | |
| هتقدر تحصر من منهم النقاط الموجودة اللي تمر على كل | |
| 157 | |
| 00:12:57,970 --> 00:13:03,190 | |
| ال data set صح؟ لما | |
| 158 | |
| 00:13:03,190 --> 00:13:06,890 | |
| تلاقي طريقة تانية بتعرف نتناقش أنا وياك فيها | |
| 159 | |
| 00:13:06,890 --> 00:13:13,650 | |
| بالمنطق هذا ال | |
| 160 | |
| 00:13:13,650 --> 00:13:16,590 | |
| two dimension الرمج جامعي بتعكس الصورة ال data set | |
| 161 | |
| 00:13:16,590 --> 00:13:17,550 | |
| تبعتك كام attribute | |
| 162 | |
| 00:13:20,870 --> 00:13:28,570 | |
| ال data set تبعتك كام attributes؟ ال instance | |
| 163 | |
| 00:13:28,570 --> 00:13:35,210 | |
| تبعتي فيها عشرة attributes بتقدر ترسمها؟ | |
| 164 | |
| 00:13:35,210 --> 00:13:38,190 | |
| على أنه two values اللي موجودة عندي ال point و ال | |
| 165 | |
| 00:13:38,190 --> 00:13:44,130 | |
| label فقط one attribute و ال label كبعته و العشرة؟ | |
| 166 | |
| 00:13:44,130 --> 00:13:45,510 | |
| العشرة بتقدر ترسمها كيف؟ | |
| 167 | |
| 00:13:48,930 --> 00:13:51,790 | |
| ماشي ماشي قعدة بوريك إياها أكتر ان شاء الله تعالى | |
| 168 | |
| 00:13:51,790 --> 00:13:57,590 | |
| طيب الآن اللي الرسمة كانت لك توضيح عشان هوصلك | |
| 169 | |
| 00:13:57,590 --> 00:14:01,510 | |
| مفهوم ال concept تبع الجيران مش أكتر فماصيرش | |
| 170 | |
| 00:14:01,510 --> 00:14:06,570 | |
| الرسمة هي إيش هي الحل اللي موجود عندك طيب الآن | |
| 171 | |
| 00:14:06,570 --> 00:14:10,130 | |
| الفكرة كمان مرة بتدور حوالين ال canary's neighbor | |
| 172 | |
| 00:14:10,130 --> 00:14:15,180 | |
| انه أنا بروح بدور على ال closest objectللنقطة اللي | |
| 173 | |
| 00:14:15,180 --> 00:14:18,040 | |
| موجودة تبعتي هان لل instance اللي انا فعليا | |
| 174 | |
| 00:14:18,040 --> 00:14:21,880 | |
| بعرفهاش عشان انا اشوف مين جيرانها او مين الأقرب | |
| 175 | |
| 00:14:21,880 --> 00:14:27,060 | |
| لها لازم اعمل computation بينها و بين كل ال | |
| 176 | |
| 00:14:27,060 --> 00:14:31,480 | |
| instances اللي موجودة الان عشان انا اعرف مين اصحاب | |
| 177 | |
| 00:14:31,480 --> 00:14:37,160 | |
| كريمانت صاحب كريم؟ انت صاحب كريم؟ انت صاحب كريم؟ | |
| 178 | |
| 00:14:37,160 --> 00:14:40,280 | |
| بتعرف كريم؟ بتعرف كريم؟ همر على كل اللي في القاعة | |
| 179 | |
| 00:14:40,280 --> 00:14:44,660 | |
| عشان أحدد بشكل دقيق كم واحد بيعرف كريم أو كم واحد | |
| 180 | |
| 00:14:44,660 --> 00:14:48,960 | |
| صحاب كريم، مصبوط؟ وبعد هيك بقرر صفة كريم بناء على | |
| 181 | |
| 00:14:48,960 --> 00:14:54,060 | |
| أغلبيتهم عشان هيك بروح بدور على ال closest K point | |
| 182 | |
| 00:14:54,060 --> 00:14:59,480 | |
| الان كمان ال K تبعتي هذه فيها مشكلة الان لما يكون | |
| 183 | |
| 00:14:59,480 --> 00:15:02,500 | |
| ال label تبعي binary | |
| 184 | |
| 00:15:07,590 --> 00:15:11,090 | |
| classification شو يعني binary classification؟ just | |
| 185 | |
| 00:15:11,090 --> 00:15:22,450 | |
| عندي two labels positive و negative أجل | |
| 186 | |
| 00:15:22,450 --> 00:15:28,110 | |
| عدد K عشان اتكلم علي majority بينهم جداش أجل عدد K | |
| 187 | |
| 00:15:28,110 --> 00:15:34,610 | |
| عشان اقدر اش ال majority اش الأغلبيةأكتر من النص، | |
| 188 | |
| 00:15:34,610 --> 00:15:40,370 | |
| 50% مش أغلبية، تعادل، مظبوط، بدك أكتر من النص، | |
| 189 | |
| 00:15:40,370 --> 00:15:44,710 | |
| يعني زي ما نتكلم as integer values من 100، 51 | |
| 190 | |
| 00:15:44,710 --> 00:15:48,610 | |
| value من 100، هيك بكون أتكلم عن أغلبية، فأقل | |
| 191 | |
| 00:15:48,610 --> 00:15:53,250 | |
| أغلبية هي، مظبوط؟ وابقاش الكل ممكن تحقق الأغلبية | |
| 192 | |
| 00:15:53,250 --> 00:15:58,630 | |
| عندي، في حالة two أقل classification، binary | |
| 193 | |
| 00:15:58,630 --> 00:16:09,310 | |
| classificationK على 2 زائد 1 K على 2 زائد 1 إيش | |
| 194 | |
| 00:16:09,310 --> 00:16:19,330 | |
| يعني؟ وين الخمسين؟ شو يا K أنا قاعد بقولك الآن لما | |
| 195 | |
| 00:16:19,330 --> 00:16:22,990 | |
| أنا بدي أجيب عدد الجيران إيش عدد الجيران اللي أنا | |
| 196 | |
| 00:16:22,990 --> 00:16:27,830 | |
| بدي أهتم فيها عشان أتكلم على ال majority الحي أو | |
| 197 | |
| 00:16:27,830 --> 00:16:32,680 | |
| أصحاب كريم الآن اللي موجودينخمسين، كل اللقاعة | |
| 198 | |
| 00:16:32,680 --> 00:16:35,600 | |
| بقولك احنا أصحاب كريم، ماشي الحال، بدي ال closest | |
| 199 | |
| 00:16:35,600 --> 00:16:43,060 | |
| أقل عدتهم جداش، أقل K، عشان فعليا لما أنا أجي | |
| 200 | |
| 00:16:43,060 --> 00:16:47,680 | |
| أقارن كريم بينهم، يكون في voting ما بينهم، يكون في | |
| 201 | |
| 00:16:47,680 --> 00:16:53,560 | |
| أغلبية، تلاتة، ليش تلاتة؟إتنين و واحد هاي ال key | |
| 202 | |
| 00:16:53,560 --> 00:16:56,100 | |
| اللي أنا بدور عليها يا جماعة الخير أنا الآن بقول | |
| 203 | |
| 00:16:56,100 --> 00:16:59,860 | |
| عدد العناصر الموجودة زي ما رسمته في الرسم هان عشان | |
| 204 | |
| 00:16:59,860 --> 00:17:04,760 | |
| أقدر أعمل مقارنة و أروح باتجاه الأغلبية لازم يكون | |
| 205 | |
| 00:17:04,760 --> 00:17:09,320 | |
| في عندي عدد محدد الآن بما أنه أنا في عندي two | |
| 206 | |
| 00:17:09,320 --> 00:17:13,300 | |
| labels فقط بينفعش أقول ال key تبعتي equal اتنين | |
| 207 | |
| 00:17:13,300 --> 00:17:17,840 | |
| لأنه مافيش فيها voting لأنه مافيش فيها قرار ممكن | |
| 208 | |
| 00:17:17,840 --> 00:17:21,390 | |
| يصير خمسين و لو قلت ال key تبعتي واحدبرضه مافيش | |
| 209 | |
| 00:17:21,390 --> 00:17:27,150 | |
| فيها voting بروح بسمته بسمة أقرب point له خلصنا طب | |
| 210 | |
| 00:17:27,150 --> 00:17:33,010 | |
| هد ماهي لو كانت ال point هد noise point نجلته بعيد | |
| 211 | |
| 00:17:33,010 --> 00:17:38,270 | |
| مين جالك انت شيلت كل ال noise point مين جالك انك | |
| 212 | |
| 00:17:38,270 --> 00:17:41,470 | |
| انت خلصت منهم كلهم انت خلصت من اللي قدرت تحددها من | |
| 213 | |
| 00:17:41,470 --> 00:17:46,490 | |
| اللي قدرت تشوفهامصبوط لكن الان فعليا point هي | |
| 214 | |
| 00:17:46,490 --> 00:17:49,090 | |
| بعيدة نوعا ما فيها بعض ال noisy لكن ال noisy | |
| 215 | |
| 00:17:49,090 --> 00:17:53,850 | |
| بالنسبالك مش واضحة فشو هتسوي فيه هتاخدوا لإلها | |
| 216 | |
| 00:17:53,850 --> 00:17:59,870 | |
| الآن الفكرة اذا | |
| 217 | |
| 00:17:59,870 --> 00:18:03,650 | |
| كنت انا بتكلم على اتنين فاتنين زائد واحد عشان اقدر | |
| 218 | |
| 00:18:03,650 --> 00:18:08,570 | |
| اعمل فيهم voting طب لو كانوا three classes اربعة | |
| 219 | |
| 00:18:08,570 --> 00:18:15,930 | |
| طب ما هم الأربعة ممكن يكونوااتنين اتنين او ال | |
| 220 | |
| 00:18:15,930 --> 00:18:19,210 | |
| class التالت وينه مش موجود و برضه ماجدتش اعمل | |
| 221 | |
| 00:18:19,210 --> 00:18:21,910 | |
| voting الفكرة اللي انا بده اقولها يا جماعة الخير | |
| 222 | |
| 00:18:21,910 --> 00:18:28,030 | |
| دائما حاول تخلي العدد تبعك فردي و كبره شوية عشان | |
| 223 | |
| 00:18:28,030 --> 00:18:32,590 | |
| تقدر تعمل voting صح او عشان يصير في عندك فرصة لل | |
| 224 | |
| 00:18:32,590 --> 00:18:36,430 | |
| voting أكبر يعني مثلا في ال three classes أربعة is | |
| 225 | |
| 00:18:36,430 --> 00:18:43,650 | |
| not enough و خمسة غالبا is not enoughسبعة ممكن | |
| 226 | |
| 00:18:43,650 --> 00:18:46,230 | |
| تكون fair بس برضه ممكن أجع في مشكلة اتنين اتنين | |
| 227 | |
| 00:18:46,230 --> 00:18:51,450 | |
| واحد قوللي طب في حالة .. خد تمانية التمانية و | |
| 228 | |
| 00:18:51,450 --> 00:18:54,910 | |
| التلاتة يعني بين جثين إذا كان عدد ال classes فردي | |
| 229 | |
| 00:18:54,910 --> 00:19:03,050 | |
| خد عدد ال key تبعتك عدد زوجي و أكبر من ضعف الرقم | |
| 230 | |
| 00:19:03,050 --> 00:19:06,350 | |
| هذا عشان إيش تقدر تعمل بينهم voting على الأقل | |
| 231 | |
| 00:19:06,350 --> 00:19:10,910 | |
| بتضمن إن في class منهم أكبر أو صار فيه المجارية | |
| 232 | |
| 00:19:10,910 --> 00:19:15,850 | |
| أكتر من التانيفي المقابل، لو كانوا الآن العدد الـK | |
| 233 | |
| 00:19:15,850 --> 00:19:20,870 | |
| تبعتي أو عدد ال classes تبعتي زوجي، تمام؟ خد عدد | |
| 234 | |
| 00:19:20,870 --> 00:19:25,270 | |
| فردي أكبر من ضعفه، كمان مرة هذا الكلام مش قرآن، | |
| 235 | |
| 00:19:25,270 --> 00:19:28,630 | |
| هذا مجرد نصيحة عشان تقدر تاخد K و تضمن فيها | |
| 236 | |
| 00:19:28,630 --> 00:19:32,210 | |
| voting، اللي أنا بقوله كالتالي، لو كان عدد ال | |
| 237 | |
| 00:19:32,210 --> 00:19:38,370 | |
| classes عندي تلاتة، ضعفهم ستة، تمام؟ فبدي أخد | |
| 238 | |
| 00:19:38,370 --> 00:19:42,660 | |
| سبعة، أو أنا بقولك خد تمانيةخُد الـ K تبعتك تمانية | |
| 239 | |
| 00:19:42,660 --> 00:19:47,320 | |
| هنا الـ A لو الـ three classes دول بدهم يتوزعوا | |
| 240 | |
| 00:19:47,320 --> 00:19:51,500 | |
| إيش الاحتمالات يكونوا موجودين؟ التمانية كلهم لنفس | |
| 241 | |
| 00:19:51,500 --> 00:19:55,500 | |
| ال class وهذا بيعملت ال prediction تبعتي صحيحة 100 | |
| 242 | |
| 00:19:55,500 --> 00:20:00,660 | |
| % تمام؟ | |
| 243 | |
| 00:20:00,660 --> 00:20:08,770 | |
| أربعة أو أربعة أو أربعة ل classو 2 و 2 برضه ال | |
| 244 | |
| 00:20:08,770 --> 00:20:12,230 | |
| majority لاحظ انا بتكلم على ال .. لاحظ صرت أتكلم | |
| 245 | |
| 00:20:12,230 --> 00:20:16,090 | |
| على الأغلبية مجسمين على عدد العناصر بطلة الأغلبية | |
| 246 | |
| 00:20:16,090 --> 00:20:22,390 | |
| 50% صار قداش هو ال top rank ده اللي هنسميه طيب بس | |
| 247 | |
| 00:20:22,390 --> 00:20:27,970 | |
| برضه ممكن أجع في مشكلة تلاتة تلاتة اتنين عشان هيك | |
| 248 | |
| 00:20:27,970 --> 00:20:29,970 | |
| بقولك الكلام اللي أنا بقوله أو النصيحة اللي أنا | |
| 249 | |
| 00:20:29,970 --> 00:20:34,840 | |
| جاعت بقولها مش أساس مهي مجردبدأ ترضي على مبدأ | |
| 250 | |
| 00:20:34,840 --> 00:20:39,720 | |
| التجربة والخطأ أو التجربة والقياس لحد ما تصل كيه | |
| 251 | |
| 00:20:39,720 --> 00:20:43,700 | |
| مناسبة بالنسبة لك والكيه المناسبة هذه ممكن تختلف | |
| 252 | |
| 00:20:43,700 --> 00:20:47,400 | |
| في domain تاني ليش؟ لأنه فعليا هذه واحدة من ال | |
| 253 | |
| 00:20:47,400 --> 00:20:51,020 | |
| challenge الخاصة او من المشاكل الموجودة مع ال k | |
| 254 | |
| 00:20:51,020 --> 00:20:54,300 | |
| -nearest neighbor اي جران قداش عدد الجران اللي انا | |
| 255 | |
| 00:20:54,300 --> 00:21:00,100 | |
| اعتمد فيهم زي ما قلنا سابقا طيب الآنبما أنه انا | |
| 256 | |
| 00:21:00,100 --> 00:21:03,560 | |
| بتحاول .. بتحاول أشوف ال K اللي بتتناسب مع عملية | |
| 257 | |
| 00:21:03,560 --> 00:21:08,540 | |
| ال voting زي ما قلتلك حاول تكبرها شوية وخلف بينها | |
| 258 | |
| 00:21:08,540 --> 00:21:13,320 | |
| وبين عدد عناصر ال element يعني لو كان زوجي أو فردي | |
| 259 | |
| 00:21:13,320 --> 00:21:19,740 | |
| إلى آخره عفوا ال | |
| 260 | |
| 00:21:19,740 --> 00:21:24,540 | |
| main concept أنا فيه عندي unseen instance unseen | |
| 261 | |
| 00:21:24,540 --> 00:21:29,610 | |
| instance X اللي قطعت ال puzzle هايوفي عندي .. في | |
| 262 | |
| 00:21:29,610 --> 00:21:39,050 | |
| عندي two classes suns و moons شموس وقمار وبيسألني | |
| 263 | |
| 00:21:39,050 --> 00:21:44,250 | |
| خيارة البصر هذه هتكون قمر ولا شمس لأن هي موجودة | |
| 264 | |
| 00:21:44,250 --> 00:21:49,470 | |
| هنا في الرسمة بناء على الرسمة إذا كانت ال key | |
| 265 | |
| 00:21:49,470 --> 00:21:50,570 | |
| تبعتي هنا أربعة | |
| 266 | |
| 00:21:53,580 --> 00:21:56,780 | |
| هيصير في عندي اتنين و اتنين اذا اختارت ال K أربعة | |
| 267 | |
| 00:21:56,780 --> 00:22:01,160 | |
| اتنين و اتنين مش هقدر اعمل voting لكن لو روحت لل K | |
| 268 | |
| 00:22:01,160 --> 00:22:08,360 | |
| equal 11 دائرة البلون الأزرق هصار في عندي أربعة و | |
| 269 | |
| 00:22:08,360 --> 00:22:14,400 | |
| سبعة ال majority ال majority لمين؟ للمون وبالتالي | |
| 270 | |
| 00:22:14,400 --> 00:22:18,540 | |
| هاي ال instance هذه عبارة عن قمر | |
| 271 | |
| 00:22:22,570 --> 00:22:26,470 | |
| النصيحة to avoid any noisy data او أي نصيحة نصيحة | |
| 272 | |
| 00:22:26,470 --> 00:22:29,550 | |
| نصيحة نصيحة تستخدم more than one neighbor ماتشتغلش | |
| 273 | |
| 00:22:29,550 --> 00:22:33,350 | |
| على one neighbor ودائما زي ما قلتلك حاول اختار عدد | |
| 274 | |
| 00:22:33,350 --> 00:22:36,190 | |
| اللي له علاقة بعدد ال classes بحيث ان يكون في عندك | |
| 275 | |
| 00:22:36,190 --> 00:22:41,010 | |
| estimation لو بسيطة كيف تفرق ما بين ال classes | |
| 276 | |
| 00:22:41,010 --> 00:22:44,310 | |
| اللي موجودة و تقدر تعمل مجارتي مين عنده ال data | |
| 277 | |
| 00:22:44,310 --> 00:22:47,050 | |
| set تبعد ال classification اكتر من ال two classes | |
| 278 | |
| 00:22:47,050 --> 00:22:55,140 | |
| الان معظمكم كمجموعات اشتغلتوا في data setsال data | |
| 279 | |
| 00:22:55,140 --> 00:22:58,940 | |
| set اللي لها علاقة بال classification مين عنده | |
| 280 | |
| 00:22:58,940 --> 00:23:03,240 | |
| data set ال label تبعتها اكتر من two classes طب | |
| 281 | |
| 00:23:03,240 --> 00:23:07,280 | |
| مين عنده binary ال classification مجموعة واحدة فقط | |
| 282 | |
| 00:23:07,280 --> 00:23:13,100 | |
| اللي عارفش اللي عندها والباقي والباقي ماحدش عارفش | |
| 283 | |
| 00:23:13,100 --> 00:23:16,440 | |
| اللي سلمه مجرد جرينا data for classification | |
| 284 | |
| 00:23:16,440 --> 00:23:23,020 | |
| ورفعناها وخلصنا كان الله بالسر علينا الان | |
| 285 | |
| 00:23:23,850 --> 00:23:28,830 | |
| بما ان كل ال instances اللي عندي موجودة في ال N D | |
| 286 | |
| 00:23:28,830 --> 00:23:32,830 | |
| Space بين | |
| 287 | |
| 00:23:32,830 --> 00:23:35,870 | |
| جثين ال N هي عبارة عن عدد ال attributes اللي | |
| 288 | |
| 00:23:35,870 --> 00:23:39,550 | |
| موجودة في ال data set اللي ممكن تكون واحد وممكن | |
| 289 | |
| 00:23:39,550 --> 00:23:42,890 | |
| تكون اتنين وممكن تكون تلاتة وممكن تكون عشرة وممكن | |
| 290 | |
| 00:23:42,890 --> 00:23:50,700 | |
| تكون مية وممكن تكون الف اه الف attributes اهالـ | |
| 291 | |
| 00:23:50,700 --> 00:23:54,220 | |
| datasets اللي لها علاقة بالصور والألف attributes | |
| 292 | |
| 00:23:54,220 --> 00:23:59,520 | |
| قليل كمان يعني هو عبارة عن بيكسلز الآن لو اتكلمت | |
| 293 | |
| 00:23:59,520 --> 00:24:02,160 | |
| على صورة مية في مية بيكسلز جدش ال resolution | |
| 294 | |
| 00:24:02,160 --> 00:24:07,340 | |
| تبعتها عالية لأ صورة صغيرة جدا صح؟ هذه لحالها عشان | |
| 295 | |
| 00:24:07,340 --> 00:24:15,700 | |
| تفردها هي عشر تلاف attributes وليش رأي كرامي؟بس، | |
| 296 | |
| 00:24:15,700 --> 00:24:17,900 | |
| هذه بس انت تتكلمنا على عشر تلاف attributes على | |
| 297 | |
| 00:24:17,900 --> 00:24:22,480 | |
| صورة صغيرة تيك تتخيلي الصورة full HD جداش عدد ال | |
| 298 | |
| 00:24:22,480 --> 00:24:27,820 | |
| attributes تبعتها طيب، الآن طبعا في حالة إذا كل | |
| 299 | |
| 00:24:27,820 --> 00:24:33,420 | |
| pixel مثلت attribute ال kennerist neighbor بدور أو | |
| 300 | |
| 00:24:33,420 --> 00:24:36,900 | |
| باعتمد على أو عرف إن الشخص اسمه similarity | |
| 301 | |
| 00:24:36,900 --> 00:24:43,170 | |
| function شو يعني similarity؟ تشابهأو تقابق بين ال | |
| 302 | |
| 00:24:43,170 --> 00:24:47,650 | |
| instances اللي موجودة سابقًا أنا كنت بقولك مين | |
| 303 | |
| 00:24:47,650 --> 00:24:53,750 | |
| أقرب الناس لفلان لو أنا إجيت قولتلك في ال one D شو | |
| 304 | |
| 00:24:53,750 --> 00:25:03,130 | |
| يعني one D؟ one attribute انا عندي عشرة وعندي خمسة | |
| 305 | |
| 00:25:03,130 --> 00:25:08,890 | |
| وعندي سبعة العشرة | |
| 306 | |
| 00:25:08,890 --> 00:25:14,030 | |
| أقرب لمين؟بناءً على إيش أنت حسبتها هي كده؟ غررت أن | |
| 307 | |
| 00:25:14,030 --> 00:25:19,390 | |
| هي أقرب على السابعة لأن الفرق بين العشرة والسبعة | |
| 308 | |
| 00:25:19,390 --> 00:25:24,530 | |
| أقل من الفرق بين العشرة والخمسة وبالتالي العشرة | |
| 309 | |
| 00:25:24,530 --> 00:25:30,910 | |
| أقرب للسبعة بين جثين العشرة والسبعة more similar | |
| 310 | |
| 00:25:30,910 --> 00:25:34,470 | |
| than العشرة والخمسة.ولّا شو رايكوا؟ يعني أقرب | |
| 311 | |
| 00:25:34,470 --> 00:25:38,650 | |
| تشابه مع بعض أكتر لكل ما جربت من الرقم بكون أنا | |
| 312 | |
| 00:25:38,650 --> 00:25:43,330 | |
| مشابه إله تمام؟يعني احنا في الآخر عملنا عشرة ناقص | |
| 313 | |
| 00:25:43,330 --> 00:25:53,270 | |
| خمسة و عشرة ناقص سبعة لو كانت ال data ست اللي أنا | |
| 314 | |
| 00:25:53,270 --> 00:25:57,850 | |
| بتكلم عليها في ال 2D عشرة | |
| 315 | |
| 00:25:57,850 --> 00:26:01,850 | |
| و اتنين خمسة | |
| 316 | |
| 00:26:01,850 --> 00:26:09,670 | |
| و تلاتة سبعة و واحد كيف بدك تشوف تفحص ال | |
| 317 | |
| 00:26:09,670 --> 00:26:16,000 | |
| similarity ما بينهمالـ X ناقص الـ X والـ Y ناقص | |
| 318 | |
| 00:26:16,000 --> 00:26:22,760 | |
| الـ Y تحت الجذر بدأت الآن تبدأ تتكلم .. انت ملاحظ | |
| 319 | |
| 00:26:22,760 --> 00:26:26,980 | |
| بتتكلم على distance في الآخر على مسافة لكن لما أنا | |
| 320 | |
| 00:26:26,980 --> 00:26:35,040 | |
| بتكلم في الـ 2D يا كريم أي نقطين في الـ 2D هيهم | |
| 321 | |
| 00:26:35,040 --> 00:26:40,100 | |
| بتكلم على distance بينهم أيش ال distance هي بتمثل؟ | |
| 322 | |
| 00:26:42,700 --> 00:26:46,380 | |
| الفرق بين النقطين بس في كلام أبسط بالنسبة لما | |
| 323 | |
| 00:26:46,380 --> 00:26:51,180 | |
| الفرق بين النقطين هدول ال distance هاي بتمثل الوتر | |
| 324 | |
| 00:26:51,180 --> 00:27:00,720 | |
| في مثلث قائم الزاوية اذا شو رايكوا التغير على ال Y | |
| 325 | |
| 00:27:00,720 --> 00:27:16,230 | |
| هي Y2-Y1 الارتفاع وال base تبعتي المثلثX2 نقص X1 و | |
| 326 | |
| 00:27:16,230 --> 00:27:23,110 | |
| لا لأ المسافة اللي هان طول الضلع في المثلث قائم | |
| 327 | |
| 00:27:23,110 --> 00:27:31,110 | |
| الزاوية شو بتساوي X2 نقص X1 تربيع زائد Y2 نقص 1 | |
| 328 | |
| 00:27:31,110 --> 00:27:36,910 | |
| تربيع تحت الجذر قانون في ثغورس، مصبوط؟ و بالتالي | |
| 329 | |
| 00:27:36,910 --> 00:27:40,110 | |
| انا عند ال equilibrium distance هيها | |
| 330 | |
| 00:27:43,080 --> 00:27:47,060 | |
| إذا أنا حصلت على ال distance لو كان في عنده التلات | |
| 331 | |
| 00:27:47,060 --> 00:27:52,540 | |
| نقاط معناته | |
| 332 | |
| 00:27:52,540 --> 00:27:58,500 | |
| أنا في عنده مثلث مختلف هنا ولا | |
| 333 | |
| 00:27:58,500 --> 00:28:06,760 | |
| لأ؟ وهذه المسافة اللي أنا بدي إياها إذا | |
| 334 | |
| 00:28:06,760 --> 00:28:15,300 | |
| كانت D2 أصغر من D1 فالنقطين أقرب لبعضتمام؟ طب في | |
| 335 | |
| 00:28:15,300 --> 00:28:19,140 | |
| الـ 3D عشرة | |
| 336 | |
| 00:28:19,140 --> 00:28:26,760 | |
| و اتنين و سبعة خمسة و تلاتة و واحد سبعة و واحد و | |
| 337 | |
| 00:28:26,760 --> 00:28:35,920 | |
| تلاتة شو بدك تساوي؟ نفس الفكرة، بس إيش أساوي؟ ضيف | |
| 338 | |
| 00:28:35,920 --> 00:28:42,770 | |
| تحت الجذر تربيع الفرق ما بين Z واحد و Z اتنينيعني | |
| 339 | |
| 00:28:42,770 --> 00:28:45,870 | |
| بين النقطة الأولى و النقطة التالية طب لو كان تندي | |
| 340 | |
| 00:28:45,870 --> 00:28:51,110 | |
| عشرة attributes ليش ال off؟ ماحنا عاملا متفقين إنه | |
| 341 | |
| 00:28:51,110 --> 00:28:55,850 | |
| ممكن يكون فيه عشرة attributes نفس الكلام فبنتكلم | |
| 342 | |
| 00:28:55,850 --> 00:29:01,970 | |
| احنا على summation تحت الجدر لمجموعة للفرق ما بين | |
| 343 | |
| 00:29:01,970 --> 00:29:06,810 | |
| عدد ال attributes اللي موجودة عندهان الفرق ما بين | |
| 344 | |
| 00:29:06,810 --> 00:29:09,610 | |
| قيم ال attributes اللي موجودة عندهان وبالتالي هذي | |
| 345 | |
| 00:29:09,610 --> 00:29:13,550 | |
| بنسميها ال Eclidean distanceلو كان انا فيه عندي | |
| 346 | |
| 00:29:13,550 --> 00:29:21,710 | |
| two points X وY two different points ال | |
| 347 | |
| 00:29:21,710 --> 00:29:27,270 | |
| dimensionality تبعتهم N الفرق | |
| 348 | |
| 00:29:27,270 --> 00:29:35,770 | |
| بين النقطين هدول يساوي الجدر التربيعي لمجموعة XI | |
| 349 | |
| 00:29:35,770 --> 00:29:41,570 | |
| ناقص وYI تربيع تحت الجدر والـ I بدها تساوي من واحد | |
| 350 | |
| 00:29:42,250 --> 00:30:02,970 | |
| لأن وبالتالي أنا بتتكلم فعليا على الفروقات هذا | |
| 351 | |
| 00:30:02,970 --> 00:30:08,710 | |
| ال equilibrium distance بشكل عام بما أنه أنا قاعد | |
| 352 | |
| 00:30:08,710 --> 00:30:13,970 | |
| بربع القيموبأخد الجذر، لو قيّرت الجذر من معدلتي، | |
| 353 | |
| 00:30:13,970 --> 00:30:18,370 | |
| لو قيّرت الجذر من معدلتي، شو بيصير؟ بتصير القيمة | |
| 354 | |
| 00:30:18,370 --> 00:30:22,890 | |
| أكبر، بس مش أكتر، ولا لأ، بس فعليًا القيمة الأكبر | |
| 355 | |
| 00:30:22,890 --> 00:30:27,950 | |
| تحت الجذر، هتكون هي القيمة الأكبر بعد الجذر، بس | |
| 356 | |
| 00:30:27,950 --> 00:30:31,170 | |
| الـscale اختلف، مصبوط؟ فبعض الناس إيش بتروح | |
| 357 | |
| 00:30:31,170 --> 00:30:35,670 | |
| متساوي؟ تستغنى عن الجذر التربيعي، وبما إن التربيع | |
| 358 | |
| 00:30:35,670 --> 00:30:41,160 | |
| بيعطيني قيمة موجبة،فقال لك احنا في Manhattan | |
| 359 | |
| 00:30:41,160 --> 00:30:45,960 | |
| distance قال لك ليش ما اتكلم على مجموع ال absolute | |
| 360 | |
| 00:30:45,960 --> 00:30:50,060 | |
| او الفروقات مجموع الفروقات بين النقاط لو انا اجيت | |
| 361 | |
| 00:30:50,060 --> 00:30:55,080 | |
| سألتك كريم و هاني هاني قداش الفرق بينك وبين كريم | |
| 362 | |
| 00:30:55,080 --> 00:31:00,820 | |
| في المعدل هقول 5 لأ ماسألتش قداش معدلك قداش الفرق | |
| 363 | |
| 00:31:00,820 --> 00:31:06,850 | |
| بينك وبين كريم في المعدل قال 5%لو روحت سألة كريم | |
| 364 | |
| 00:31:06,850 --> 00:31:11,730 | |
| كريم جدتش الفرق بينك وبين هاني في المعدل؟ 5% لاحظ | |
| 365 | |
| 00:31:11,730 --> 00:31:14,510 | |
| أنا مافرجتش معايا مين أعلى من التاني لأن في | |
| 366 | |
| 00:31:14,510 --> 00:31:17,670 | |
| الحالتين ال distance .. بتكلم distance و ال | |
| 367 | |
| 00:31:17,670 --> 00:31:20,810 | |
| distance لن تكون بال negative فال distance دائما | |
| 368 | |
| 00:31:20,810 --> 00:31:24,430 | |
| موجب فجالك أنا من المنهات ال distance جالك أنا | |
| 369 | |
| 00:31:24,430 --> 00:31:29,010 | |
| بروح بأشتغل باعتمد على ال absolute value للفرق ما | |
| 370 | |
| 00:31:29,010 --> 00:31:33,810 | |
| بين ال attributes values و بجمعهم وبهيك حصلت على | |
| 371 | |
| 00:31:33,810 --> 00:31:39,050 | |
| نفس ال conceptsبس فعليا .. فعليا بتفرق ال distance | |
| 372 | |
| 00:31:39,050 --> 00:31:44,910 | |
| الرسمة هاي بتوضح الفرق الفعلي ما بين ال Manhattan | |
| 373 | |
| 00:31:44,910 --> 00:31:51,330 | |
| و ال Eclidean ال Eclidean طبعا هاي النقطين X1 و X2 | |
| 374 | |
| 00:31:51,330 --> 00:31:59,510 | |
| 2 و 8 .. 3 أو 6 و 3 رسمناهم الآن قلنا الخط الأخضر | |
| 375 | |
| 00:31:59,510 --> 00:32:05,400 | |
| هذا هو عبارة عن ال Eclidean distanceبينما الـ | |
| 376 | |
| 00:32:05,400 --> 00:32:08,860 | |
| Manhattan في الأكثر من مسار فكرة الـ Manhattan | |
| 377 | |
| 00:32:08,860 --> 00:32:12,880 | |
| distance أنه دائما أنا بمشي في خطوط مستقيمة | |
| 378 | |
| 00:32:12,880 --> 00:32:18,020 | |
| متعامدة على بعضها بمشي على خطوط متعامدة بينما ال | |
| 379 | |
| 00:32:18,020 --> 00:32:23,380 | |
| Euclidean أخدت القطر، مصبوط؟ الآن الخطوط .. الخط | |
| 380 | |
| 00:32:23,380 --> 00:32:29,320 | |
| الأحمر هذا هو عبارة عن مثل الـ Manhattan distance | |
| 381 | |
| 00:32:29,320 --> 00:32:35,850 | |
| الخط الأصفر هذا كذلكعبّر عن الـ Manhattan distance | |
| 382 | |
| 00:32:35,850 --> 00:32:41,430 | |
| و نفس الـ value لو انت حسبت واحدة اتنين تلاتة | |
| 383 | |
| 00:32:41,430 --> 00:32:47,710 | |
| اربعة خمسة و واحدة اتنين تلاتة اربعة تسعة واحدة | |
| 384 | |
| 00:32:47,710 --> 00:32:52,710 | |
| اتنين تلاتة اربعة خمسة ستة سبعة تمانية تسعة ك | |
| 385 | |
| 00:32:52,710 --> 00:32:56,970 | |
| units فال Manhattan distance هي فعلياً هتلاقي فيه | |
| 386 | |
| 00:32:56,970 --> 00:33:01,800 | |
| implementation يستحيلتجي تتكلم على انك تطبق الـ | |
| 387 | |
| 00:33:01,800 --> 00:33:05,720 | |
| Euclidean distance مثال جالك سيارة بدها تتحرك ما | |
| 388 | |
| 00:33:05,720 --> 00:33:09,760 | |
| بين النقطين هدول ضمن مدينة هي خلقتها تقول والله | |
| 389 | |
| 00:33:09,760 --> 00:33:14,160 | |
| انا بدأ أخش من البيوت اللي هنا مافيش مجال السيارة | |
| 390 | |
| 00:33:14,160 --> 00:33:16,860 | |
| فيها لها طرق مواضحة بدها تنشي عليها وبالتالي الـ | |
| 391 | |
| 00:33:16,860 --> 00:33:20,440 | |
| Manhattan distance هي الأنسب بالنسبة لإلك في | |
| 392 | |
| 00:33:20,440 --> 00:33:24,680 | |
| التعامل الآن | |
| 393 | |
| 00:33:24,680 --> 00:33:26,860 | |
| ايش المطلوب عشان اطبق الـ Canary Snapper | |
| 394 | |
| 00:33:31,350 --> 00:33:37,990 | |
| أولاً لازم تحدد ال parameter عدد ال K كم جار اللي | |
| 395 | |
| 00:33:37,990 --> 00:33:44,670 | |
| بتتكلم عليهم تلاتة، خمسة، سبعة، تمانية، عشرين، | |
| 396 | |
| 00:33:44,670 --> 00:33:51,510 | |
| سبعة وعشرين لازم تحددهم انت calculate | |
| 397 | |
| 00:33:51,510 --> 00:33:54,410 | |
| the distance بغض النظر عن ال Manhattan ولا ال | |
| 398 | |
| 00:33:54,410 --> 00:33:59,590 | |
| Includionبين النقطة الـ query instance اللي هي | |
| 399 | |
| 00:33:59,590 --> 00:34:03,230 | |
| النقطة اللي انا بدي اصنفها وبين كل النقاط اللي | |
| 400 | |
| 00:34:03,230 --> 00:34:10,550 | |
| موجودة عندى رتب ال data وهي النقطة رقم تلاتة يا | |
| 401 | |
| 00:34:10,550 --> 00:34:14,510 | |
| شباب رتب ال data .. رتب ال data مش أساس بالنسبة | |
| 402 | |
| 00:34:14,510 --> 00:34:19,190 | |
| ليه؟ ليش؟ لأنه في كل بساطة لو كان هم تلت نقاط طب | |
| 403 | |
| 00:34:19,190 --> 00:34:22,130 | |
| انا بقدر بعناية بميز التلت نقاط و بشوف بعرف مين | |
| 404 | |
| 00:34:22,130 --> 00:34:25,790 | |
| الأقرب منهم وبقدر اعمل بينهم votingلو كان .. لكن | |
| 405 | |
| 00:34:25,790 --> 00:34:29,770 | |
| لو كان عدد الـK الـK اللي أنا بستخدمه كبير خمسين | |
| 406 | |
| 00:34:29,770 --> 00:34:35,530 | |
| .. خمسين مثلا صعب إن أنا أقدر أشوف الخمسين ورا بعض | |
| 407 | |
| 00:34:35,530 --> 00:34:40,250 | |
| بدون ما أرتبهم ولا لأ؟ فعشان هيك بيجي الترتيب كويس | |
| 408 | |
| 00:34:40,250 --> 00:34:44,710 | |
| أو مناسب لما بيكون عدد الـK تباعت كبير عشرة و أطلع | |
| 409 | |
| 00:34:44,710 --> 00:34:48,370 | |
| أقولك خمسة و أطلع خصوصا لما كان .. لما تكون النقاط | |
| 410 | |
| 00:34:48,370 --> 00:34:51,670 | |
| متباعدة ال data set فيها ألف recordوالـ Most | |
| 411 | |
| 00:34:51,670 --> 00:34:57,330 | |
| Closest Point كانت الـ Point رقم 100 و الـ Point | |
| 412 | |
| 00:34:57,330 --> 00:35:04,410 | |
| رقم 170 و الـ Point 370 و الـ Point 470، ضال عندي | |
| 413 | |
| 00:35:04,410 --> 00:35:09,690 | |
| Point و الـ Point 950، هاي خمس نقاط كيف بدى أشوفهم | |
| 414 | |
| 00:35:09,690 --> 00:35:13,530 | |
| هدول؟ اللي هضطر أروح أكتبهم على الجانب عشان أعرف | |
| 415 | |
| 00:35:13,530 --> 00:35:17,150 | |
| إيش ال label تبعتهم، هذا الكلام هنطبقه فعليا أنا | |
| 416 | |
| 00:35:17,150 --> 00:35:22,680 | |
| شكل عملي لكن لما بيعملني Sorting لهمبصير قادر انا | |
| 417 | |
| 00:35:22,680 --> 00:35:26,780 | |
| اشوف وين بشوفهم كلهم ورا بعض عشان اتسهل علي عملية | |
| 418 | |
| 00:35:26,780 --> 00:35:33,120 | |
| ال voting بعد هيك select ال key nearest instances | |
| 419 | |
| 00:35:33,120 --> 00:35:37,320 | |
| بنقل على ال value اللي حطيها في واحد وفي الآخر | |
| 420 | |
| 00:35:37,320 --> 00:35:43,380 | |
| بعمل تصويت ما بينهم وبحسب ال majority بحسب ال | |
| 421 | |
| 00:35:43,380 --> 00:35:47,520 | |
| majority ال example اللي موجود عندي هان انت بقى | |
| 422 | |
| 00:35:47,520 --> 00:35:48,000 | |
| تشتغله | |
| 423 | |
| 00:35:51,630 --> 00:35:56,590 | |
| كل تلاتة في جنب بعض اللي هم ورقة واحدة و أسميكوا | |
| 424 | |
| 00:35:56,590 --> 00:35:59,870 | |
| بدها تنحط على جافة الورقة انتوا تلاتة مع بعض غير | |
| 425 | |
| 00:35:59,870 --> 00:36:06,210 | |
| شباب اه روح هان تلاتة اهب رجعلي لورا هنا انت لغيت | |
| 426 | |
| 00:36:06,210 --> 00:36:11,530 | |
| مجموعة ارجع عندهم يلا تشتغلوا | |
| 427 | |
| 00:36:11,530 --> 00:36:14,090 | |
| اتنين اتنين اتنين اتنين مافيش مشكلة اشتغلوا اتنين | |
| 428 | |
| 00:36:14,090 --> 00:36:19,450 | |
| اتنين انت لحالك مافيش يروح عنده .. هو عنده كرسي | |
| 429 | |
| 00:36:19,450 --> 00:36:25,780 | |
| يروح على كرسي اللي عندهعلى جافة الورجة أسميكم على | |
| 430 | |
| 00:36:25,780 --> 00:36:29,880 | |
| جافة الورجة يا شباب أسميكم كمجموع على جافة الورجة | |
| 431 | |
| 00:36:29,880 --> 00:36:35,720 | |
| الشغل التاني ابدأ بتصنيف الآن هي عندي الـ new | |
| 432 | |
| 00:36:35,720 --> 00:36:40,180 | |
| instance وهي ال data set ال data set فيها five | |
| 433 | |
| 00:36:40,180 --> 00:36:46,120 | |
| instances يا كريم وفي عندي الآن instance x equal 3 | |
| 434 | |
| 00:36:46,120 --> 00:36:53,850 | |
| و x2 equal 7 قل لي .. قل ليالان باعتمادك على اي | |
| 435 | |
| 00:36:53,850 --> 00:36:57,090 | |
| distance على مانهاتين على ال Euclidean تنتهي حدك | |
| 436 | |
| 00:36:57,090 --> 00:37:00,350 | |
| نفس النتيجة اشتغل على ال Euclidean distance تمام؟ | |
| 437 | |
| 00:37:00,350 --> 00:37:07,710 | |
| ايش ال class تبع ال instance هاي؟ الان بديك تشتغل | |
| 438 | |
| 00:37:07,710 --> 00:37:11,770 | |
| على ال canaries equal واحد وعلى ال canaries equal | |
| 439 | |
| 00:37:11,770 --> 00:37:20,830 | |
| تلاتة شو من هما التنتين؟ ود المشكلة في الموضوعأنا | |
| 440 | |
| 00:37:20,830 --> 00:37:24,150 | |
| بقولك اشتغل مرة أول لقطة اشتغل احسب ال distances | |
| 441 | |
| 00:37:24,150 --> 00:37:27,010 | |
| على السريع يالا القانون | |
| 442 | |
| 00:38:02,420 --> 00:38:08,360 | |
| جلط وين يا أخو؟ أنا مالي، هي القانون | |
| 443 | |
| 00:38:27,330 --> 00:38:29,610 | |
| الوقت كالسيف | |
| 444 | |
| 00:38:40,600 --> 00:38:53,080 | |
| دقيقة .. دقيقة المسألة هتتنحل .. | |
| 445 | |
| 00:39:00,120 --> 00:39:21,660 | |
| إيه؟ إيه؟ إيه؟ | |
| 446 | |
| 00:39:30,670 --> 00:39:33,870 | |
| بتمنى بس على الناس المبتسمة انها تكون فعليا مبتسمة | |
| 447 | |
| 00:39:33,870 --> 00:39:38,690 | |
| لإنها عارفة حل مش لإن مش مبتسمة لإنها إيش مش فاهمة | |
| 448 | |
| 00:39:38,690 --> 00:39:46,610 | |
| حاجة نعم كمل لحالك احنا شرحنا ال algorithm | |
| 449 | |
| 00:40:14,010 --> 00:40:16,410 | |
| أحنا نسأل على شخصين اللي في العالم اللي ممكن | |
| 450 | |
| 00:40:16,410 --> 00:40:20,710 | |
| يتعامل معه بالتعامل بالتعامل بالتعامل بالتعامل | |
| 451 | |
| 00:40:20,710 --> 00:40:21,210 | |
| بالدرس | |
| 452 | |
| 00:40:25,680 --> 00:40:29,820 | |
| اكتب .. اكتب .. اكتب الجواب ال class تبعت ال | |
| 453 | |
| 00:40:29,820 --> 00:40:36,160 | |
| instance هي على الورقة في حالة كانت one K K equal | |
| 454 | |
| 00:40:36,160 --> 00:40:42,680 | |
| one و في حالة ال K equal تلاتة حطوا | |
| 455 | |
| 00:40:42,680 --> 00:40:47,180 | |
| جواب ماقلنا اعمل مجارتي حدد ال .. ال .. can | |
| 456 | |
| 00:40:47,180 --> 00:40:50,600 | |
| nearest neighbor و اعمل voting ما بينهم في حالة | |
| 457 | |
| 00:40:50,600 --> 00:40:53,200 | |
| الواحد مافيش voting هو في حالة التلاتة بقى تعمل | |
| 458 | |
| 00:40:53,200 --> 00:41:00,320 | |
| votingيلا شباب لما الورق اديني إياه خلصت الخمس | |
| 459 | |
| 00:41:00,320 --> 00:41:03,380 | |
| دقايق مش دقيقة يا أستاذ وحورجيك إنه هذا بينحل في | |
| 460 | |
| 00:41:03,380 --> 00:41:12,800 | |
| أقل من دقيقة يلا شباب اديني الورق الله يسعدك اديني | |
| 461 | |
| 00:41:12,800 --> 00:41:21,700 | |
| الورق يلا شباب واحد | |
| 462 | |
| 00:41:33,590 --> 00:41:44,490 | |
| كنين ماشي الورق يا شباب إذا | |
| 463 | |
| 00:41:44,490 --> 00:41:46,870 | |
| اللي وراك لسه ع بحل سيبك منه اديه الورق لجدامك و | |
| 464 | |
| 00:41:46,870 --> 00:41:48,950 | |
| تاخدش منه خليه يجمهو من مكانه | |
| 465 | |
| 00:41:53,690 --> 00:42:08,930 | |
| ما تاخدش من حد من ورا ايش | |
| 466 | |
| 00:42:08,930 --> 00:42:13,610 | |
| المفروض يسوي فيهم هادول؟ | |
| 467 | |
| 00:42:13,610 --> 00:42:17,350 | |
| خلصت؟ | |
| 468 | |
| 00:42:30,080 --> 00:42:35,900 | |
| طيب طيب يا شباب خلاصنا من الصوت خلاصنا تعالى نشوف | |
| 469 | |
| 00:42:35,900 --> 00:42:39,500 | |
| جداش فعليا انت تلت عقول او اربعة اشتغلت احيانا او | |
| 470 | |
| 00:42:39,500 --> 00:42:42,400 | |
| اتنين في موضوع حل مسألة زي هيك وهي القوانين | |
| 471 | |
| 00:42:42,400 --> 00:42:48,880 | |
| التانية قدامك الآن تلاتة ناقص سبعةأربعة تربيع زائد | |
| 472 | |
| 00:42:48,880 --> 00:42:52,660 | |
| صفر تربيع ال instance الأولى وهذه كانت ال | |
| 473 | |
| 00:42:52,660 --> 00:43:01,000 | |
| classification تبعتها bad الآن أربعة تربيع زائد | |
| 474 | |
| 00:43:01,000 --> 00:43:09,240 | |
| تلاتة تربيع وبرضه هذه كانت bad الآن البعديها صفر | |
| 475 | |
| 00:43:09,240 --> 00:43:14,820 | |
| تربيع زائد واحد تربيع وهذه good ال instance | |
| 476 | |
| 00:43:14,820 --> 00:43:23,680 | |
| الأخيرةاتنين تربيع زائد تلاتة عفوا تلاتة عفوا | |
| 477 | |
| 00:43:23,680 --> 00:43:27,440 | |
| تربيع سبعة | |
| 478 | |
| 00:43:27,440 --> 00:43:37,600 | |
| ناقص أربعة تلاتة تربيع وهذه good أقصر | |
| 479 | |
| 00:43:37,600 --> 00:43:44,500 | |
| مسافة اللي بعديها اللي بعديها | |
| 480 | |
| 00:43:47,000 --> 00:43:54,760 | |
| إذا كانت الـ K equal واحد فهي Good إذا كانت الـ K | |
| 481 | |
| 00:43:54,760 --> 00:44:00,700 | |
| equal تلاتة بعمل voting بين التلاتة الأصغر تنتين | |
| 482 | |
| 00:44:00,700 --> 00:44:04,680 | |
| Good و واحدة Bad حسب المجارية باخد الـ Good فكل | |
| 483 | |
| 00:44:04,680 --> 00:44:09,080 | |
| الحالتين كانت عندك Good Eclidean distance أنا | |
| 484 | |
| 00:44:09,080 --> 00:44:14,250 | |
| اعتمدت يا دكتور ماطبقتش الترديعمافيش مشكلة، | |
| 485 | |
| 00:44:14,250 --> 00:44:16,330 | |
| معامالنا ذاكرين إنه جماعة الخير بما أنه التربيه | |
| 486 | |
| 00:44:16,330 --> 00:44:19,450 | |
| يقعد يتطبق نشتغل مع الكل فأنا ممكن أنا أشتغل بسرعة | |
| 487 | |
| 00:44:19,450 --> 00:44:22,770 | |
| بدون مقلخم حالي وأستخدم قالة الجوال لأول مرة بدي | |
| 488 | |
| 00:44:22,770 --> 00:44:28,230 | |
| أستخدمها على ال include على المنهاتين الناس اللي | |
| 489 | |
| 00:44:28,230 --> 00:44:35,090 | |
| اشتغلت على المنهاتين مااختلفتش كتير الآن تلاتة | |
| 490 | |
| 00:44:35,090 --> 00:44:40,450 | |
| أربعة زائد صفر وأربعة | |
| 491 | |
| 00:44:40,450 --> 00:44:52,940 | |
| زائد تلاتةو صفر زائد تلاتة و اتنين زائد تلاتة ال | |
| 492 | |
| 00:44:52,940 --> 00:45:01,500 | |
| shortest واحد اتنين تلاتة | |
| 493 | |
| 00:45:01,500 --> 00:45:10,480 | |
| good في حالة ال K equal one وين خمسة | |
| 494 | |
| 00:45:13,140 --> 00:45:19,040 | |
| ترتيب اختلف اوكي ماشي الحال اتنين تلاتة تمام | |
| 495 | |
| 00:45:19,040 --> 00:45:26,500 | |
| تنتين جود واحدة bad جود | |
| 496 | |
| 00:45:26,500 --> 00:45:34,060 | |
| فهي ال label تمام الشباب الله | |
| 497 | |
| 00:45:34,060 --> 00:45:34,600 | |
| يعطيك العافية | |
| 498 | |
| 00:45:41,260 --> 00:45:55,340 | |
| أصارت عندك X2 المشكلة جزاعل | |
| 499 | |
| 00:45:55,340 --> 00:45:58,800 | |
| استاد انا حليت مع K equal تلاتة هاي ال query اللي | |
| 500 | |
| 00:45:58,800 --> 00:46:01,760 | |
| بدي اعمل ال instance تلاتة سبعة هي اللي بدي قيمها | |
| 501 | |
| 00:46:01,760 --> 00:46:07,800 | |
| فروحت حسبت المسافة بينها وبين كل نقطة تربيع | |
| 502 | |
| 00:46:10,590 --> 00:46:17,190 | |
| الان رتبت تبع لل distance من الأصغر للأكبر | |
| 503 | |
| 00:46:17,190 --> 00:46:20,630 | |
| وبالتالي الأولى هي ال most closest وراها التانية و | |
| 504 | |
| 00:46:20,630 --> 00:46:24,870 | |
| التالتة و الرابعة الرابعة هي the farthest one الآن | |
| 505 | |
| 00:46:24,870 --> 00:46:29,430 | |
| إذا كانت ال K تبعتي equal K equal واحد فالأولى | |
| 506 | |
| 00:46:29,430 --> 00:46:35,690 | |
| كانت ال K تبعتي equal تلاتة هي التلاتة هعمل بينهم | |
| 507 | |
| 00:46:35,690 --> 00:46:40,780 | |
| voting الآن فهتكون الناتج تبعتيال class تبعت ال | |
| 508 | |
| 00:46:40,780 --> 00:46:50,580 | |
| instance هذي good اجرب مسافة نعم سبعة نقص سبعة و | |
| 509 | |
| 00:46:50,580 --> 00:46:53,380 | |
| انا السبعة نقص سبعة بس السبعة نقص سبعة مش لحالها | |
| 510 | |
| 00:46:53,380 --> 00:46:59,240 | |
| في عندك هنا سبعة نقص ثلاثة لأن هذا distance في ال | |
| 511 | |
| 00:46:59,240 --> 00:47:05,180 | |
| 2D في ال 2D خط بس الخط هذا جاي معاك خط أفق أو خط | |
| 512 | |
| 00:47:05,180 --> 00:47:06,780 | |
| عمود لما يكون قيمته متساويات | |
| 513 | |
| 00:47:09,850 --> 00:47:14,810 | |
| الان لو طلعوا النساء في كل مقالي نسبتها طبعا هي | |
| 514 | |
| 00:47:14,810 --> 00:47:18,470 | |
| بعض ضد وبعض نفس ال .. اه اه الان هذه مشكلة زي ما | |
| 515 | |
| 00:47:18,470 --> 00:47:22,450 | |
| قلتلك انا سابقا مشكلة ال voting انك انت بدك تحاول | |
| 516 | |
| 00:47:22,450 --> 00:47:27,030 | |
| تسعى انك تلاقي value افضل كي تتناسب مع العملية | |
| 517 | |
| 00:47:27,030 --> 00:47:31,050 | |
| الان بكل الأحوال لو طلعوا فعليا فعليا عندي two | |
| 518 | |
| 00:47:31,050 --> 00:47:35,750 | |
| classes اللي هم نفس ال level نفس ال distanceحطيته | |
| 519 | |
| 00:47:35,750 --> 00:47:39,170 | |
| في ايه؟ حطيته في دي؟ نفس النتيجة في الآخر انت | |
| 520 | |
| 00:47:39,170 --> 00:47:42,510 | |
| حصلت، تمام؟ بس في الآخر، هي اللي موجود، هي ال | |
| 521 | |
| 00:47:42,510 --> 00:47:45,710 | |
| algorithm ماحدش جالك أن ال algorithm هاد perfect، | |
| 522 | |
| 00:47:45,710 --> 00:47:50,390 | |
| one hundred percent أنا قدمته لسبب واحد فقط أنه | |
| 523 | |
| 00:47:50,390 --> 00:47:56,070 | |
| أسهل algorithm ممكن تستوعبه أنت الآن، تمام؟ أسهل | |
| 524 | |
| 00:47:56,070 --> 00:48:03,520 | |
| algorithm ببدأش يخل دماغك يشتغل معانا، ممتاز؟هذه | |
| 525 | |
| 00:48:03,520 --> 00:48:12,320 | |
| ال data ال 6 تبعتنا .. بدي أرجع لهيك شوية X | |
| 526 | |
| 00:48:12,320 --> 00:48:23,960 | |
| تلاتة true .. false .. false .. true أنا | |
| 527 | |
| 00:48:23,960 --> 00:48:29,040 | |
| سابقا لما كنت بحسب distance أو ping و cell لما صرت | |
| 528 | |
| 00:48:29,040 --> 00:48:34,150 | |
| back كنت بعكس ال similarity as a distanceتمام ال | |
| 529 | |
| 00:48:34,150 --> 00:48:38,070 | |
| shortest distance ال most similar والعكس صحيح كانت | |
| 530 | |
| 00:48:38,070 --> 00:48:42,550 | |
| ال numeric value الان انا فيه عندى boolean value | |
| 531 | |
| 00:48:42,550 --> 00:48:47,430 | |
| شو بدي اسوي فيها صفر و واحد احولها صفر و واحد يعني | |
| 532 | |
| 00:48:47,430 --> 00:48:53,990 | |
| ارجع اعمل preprocessing صفر و واحد حل بس انا رجعني | |
| 533 | |
| 00:48:53,990 --> 00:49:00,550 | |
| كتير لورا مضطرله تمام طيب لو كان عندى كمان | |
| 534 | |
| 00:49:04,990 --> 00:49:13,930 | |
| X3 أو X4 بمثل الـ Marital Status Single Divorced | |
| 535 | |
| 00:49:13,930 --> 00:49:22,910 | |
| Woodward Married مقولج، بعيد عنك أرمل Woodward | |
| 536 | |
| 00:49:22,910 --> 00:49:27,190 | |
| أرمل Divorced مقولق مش هاي الحالات الاجتماعية | |
| 537 | |
| 00:49:27,190 --> 00:49:36,660 | |
| الأربعة على شخص أعزب متزوجwidow ..widow ..widow | |
| 538 | |
| 00:49:36,660 --> 00:49:42,360 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 539 | |
| 00:49:42,360 --> 00:49:47,400 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 540 | |
| 00:49:47,400 --> 00:49:47,980 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 541 | |
| 00:49:47,980 --> 00:49:51,640 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 542 | |
| 00:49:51,640 --> 00:49:51,760 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 543 | |
| 00:49:51,760 --> 00:49:57,740 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 544 | |
| 00:49:57,740 --> 00:49:57,740 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 545 | |
| 00:49:57,740 --> 00:49:57,740 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 546 | |
| 00:49:57,740 --> 00:49:57,780 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 547 | |
| 00:49:57,780 --> 00:49:57,780 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 548 | |
| 00:49:57,780 --> 00:49:57,780 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 549 | |
| 00:49:57,780 --> 00:49:59,800 | |
| ..widow ..widow ..widow ..widow ..widow ..widow | |
| 550 | |
| 00:50:03,060 --> 00:50:12,200 | |
| تقدرش تحولها ايوة دون إبداعات نسمع منكم وبالتالي | |
| 551 | |
| 00:50:12,200 --> 00:50:15,140 | |
| انت حقيت .. يعني لو لو هي للأعزب يعني المفروض كون | |
| 552 | |
| 00:50:15,140 --> 00:50:20,780 | |
| قيمة الأعزب أكبر غير صحيح نعم نحسب ال X و X1 و X2 | |
| 553 | |
| 00:50:20,780 --> 00:50:24,960 | |
| و X3 و X4 و X5 و X6 و X7 و X8 و X9 و X10 و X11 و | |
| 554 | |
| 00:50:24,960 --> 00:50:27,160 | |
| X12 و X12 و X13 و X14 و X14 و X15 و X16 و X17 و | |
| 555 | |
| 00:50:27,160 --> 00:50:28,820 | |
| X18 و X19 و X20 و X21 و X22 و X22 و X22 و X22 و | |
| 556 | |
| 00:50:28,820 --> 00:50:28,940 | |
| X22 و X22 و X22 و X22 و X22 و X22 و X22 و X22 و | |
| 557 | |
| 00:50:28,940 --> 00:50:28,940 | |
| X22 و X22 و X22 و X22 و X22 و X22 و X22 و X22 و | |
| 558 | |
| 00:50:28,940 --> 00:50:31,370 | |
| X22 و X22 و X22 و X22 و X22 و X22لما يكون في عندي | |
| 559 | |
| 00:50:31,370 --> 00:50:36,130 | |
| nominal attribute او Boolean attribute ال distance | |
| 560 | |
| 00:50:36,130 --> 00:50:41,450 | |
| هتزيد بصفر او بواحد بناء على ايش هل ال value هذي | |
| 561 | |
| 00:50:41,450 --> 00:50:47,970 | |
| equal او not equal true يعني ال instance اللي انا | |
| 562 | |
| 00:50:47,970 --> 00:50:55,910 | |
| بدي اقرأها الان كانت هنا عندي تلاتة و سبعة و false | |
| 563 | |
| 00:50:55,910 --> 00:50:58,530 | |
| و D | |
| 564 | |
| 00:51:01,610 --> 00:51:09,330 | |
| الان المسافة اللي بحسبها هي ل | |
| 565 | |
| 00:51:09,330 --> 00:51:17,950 | |
| ال instance الأولى الان سبعة ناقص سبعة تربيع زائد | |
| 566 | |
| 00:51:17,950 --> 00:51:26,530 | |
| سبعة ناقص تلاتة تربيع زائد واحد | |
| 567 | |
| 00:51:26,530 --> 00:51:34,590 | |
| في حالة التساوي صفر في حالة الاختلافصفر زائد صفر | |
| 568 | |
| 00:51:34,590 --> 00:51:40,630 | |
| في الحالة التانية مع ال instance التانية أربعة | |
| 569 | |
| 00:51:40,630 --> 00:51:48,890 | |
| ناقص سبعة تربيع زائد سبعة ناقص تلاتة تربيع زائد | |
| 570 | |
| 00:51:48,890 --> 00:52:01,390 | |
| false و false واحد دي و دي واحدوبالتالي صار موضوع | |
| 571 | |
| 00:52:01,390 --> 00:52:03,910 | |
| الـ String اللي هندي أو لو كانت الـ Nominal Data | |
| 572 | |
| 00:52:03,910 --> 00:52:07,990 | |
| أو Boolean Data مافيش داعي أرجع لل preprocessing | |
| 573 | |
| 00:52:07,990 --> 00:52:13,170 | |
| مافيش داعي أرجع لل preprocessing بالعكس أنا ممكن | |
| 574 | |
| 00:52:13,170 --> 00:52:19,050 | |
| أكمل بكل بساطة بتصير الآن similar or dissimilar | |
| 575 | |
| 00:52:19,050 --> 00:52:24,530 | |
| لأنه فعلاً هل هي نفس القيمة ولا قيمة مختلفة؟طبعا؟ | |
| 576 | |
| 00:52:24,530 --> 00:52:28,550 | |
| قيمة و لا قيمة مختلفة لكن لأ أخفيكوا إن هاي في | |
| 577 | |
| 00:52:28,550 --> 00:52:33,370 | |
| برضه فيها مشكلة | |
| 578 | |
| 00:52:33,370 --> 00:52:38,650 | |
| رحلة | |
| 579 | |
| 00:52:38,650 --> 00:52:47,150 | |
| شوية لو كان في عندى two values بالشكل هذا أحمد و | |
| 580 | |
| 00:52:47,150 --> 00:52:53,250 | |
| أحمد واحدة بتبدأ بcapital واحدة smallالمفروض تكون | |
| 581 | |
| 00:52:53,250 --> 00:52:56,490 | |
| انت حليتها أنا جيبتك كمثال كاسم بالاسم الآن يا | |
| 582 | |
| 00:52:56,490 --> 00:53:08,030 | |
| سيدي بلاش نتكلم على الوظيفة ال job manager الان | |
| 583 | |
| 00:53:08,030 --> 00:53:12,810 | |
| هادي وهادي في ال semantic واحدة لكن على حسب | |
| 584 | |
| 00:53:12,810 --> 00:53:17,010 | |
| القانون اللي أنا بقوله إذا متساويات بياخدوا واحد | |
| 585 | |
| 00:53:17,010 --> 00:53:19,830 | |
| مختلفات بياخدوا صفر هدولة من الناس اللي هتاخد صفر | |
| 586 | |
| 00:53:22,450 --> 00:53:25,770 | |
| ليش؟ لأن ال case .. بدي أدخل ال ignore case في | |
| 587 | |
| 00:53:25,770 --> 00:53:34,610 | |
| الموضوع ابتجيني قضية أخطر من هيك واحد | |
| 588 | |
| 00:53:34,610 --> 00:53:38,950 | |
| كتب بال A و واحد كتب بال E مش هذا اللي احنا | |
| 589 | |
| 00:53:38,950 --> 00:53:44,450 | |
| اتسمناها سابقا ignore syntax حلتك من ال capital | |
| 590 | |
| 00:53:44,450 --> 00:53:48,290 | |
| letter و ال capital letter و ال small letter بس ما | |
| 591 | |
| 00:53:48,290 --> 00:53:56,190 | |
| حلت ال cash ان هذه Aوها دي إيه؟ هتظل في عندي | |
| 592 | |
| 00:53:56,190 --> 00:53:59,690 | |
| استثناءات وإن ال data فيها .. يعني مش ضروري كل شيء | |
| 593 | |
| 00:53:59,690 --> 00:54:03,890 | |
| ييجي .. يعني أنا بهمش أنا بحاول أظبط ال data تمشي | |
| 594 | |
| 00:54:03,890 --> 00:54:08,650 | |
| مع القوانين بحاولش أكيف القوانين تمشي مع ال data | |
| 595 | |
| 00:54:08,650 --> 00:54:11,690 | |
| وبالتالي هي القانون اللي موجودة عندي هنا في حالة | |
| 596 | |
| 00:54:11,690 --> 00:54:17,110 | |
| ال nominal data equal values zero يعني ال distance | |
| 597 | |
| 00:54:17,110 --> 00:54:21,830 | |
| بينهم zero ليش؟ لأنهم متطابقيننفس الشيء مافيش فرق | |
| 598 | |
| 00:54:21,830 --> 00:54:25,730 | |
| بقى بينهم different values بغض النظر إيش كانوا | |
| 599 | |
| 00:54:25,730 --> 00:54:30,870 | |
| الفرق بينهم واحد و لما أنا بضيف الفرق بينهم لما | |
| 600 | |
| 00:54:30,870 --> 00:54:37,890 | |
| أقول قيمتهم مختلفات واحد متساويات Zero عكست في | |
| 601 | |
| 00:54:37,890 --> 00:54:45,090 | |
| المثال هذا true | |
| 602 | |
| 00:54:45,090 --> 00:54:54,230 | |
| و false واحد اختلاف اختلافابعدت ابعدت كويس انكم | |
| 603 | |
| 00:54:54,230 --> 00:54:56,470 | |
| انتبهتوا انا بتكلم باتكلم ببتكلم ببتكلم ببتكلم | |
| 604 | |
| 00:54:56,470 --> 00:54:56,730 | |
| ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم | |
| 605 | |
| 00:54:56,730 --> 00:54:57,570 | |
| ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم | |
| 606 | |
| 00:54:57,570 --> 00:54:58,070 | |
| ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم | |
| 607 | |
| 00:54:58,070 --> 00:55:01,530 | |
| ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم | |
| 608 | |
| 00:55:01,530 --> 00:55:14,790 | |
| ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم ببتكلم | |
| 609 | |
| 00:55:14,790 --> 00:55:18,130 | |
| ببتكلم | |
| 610 | |
| 00:55:18,130 --> 00:55:25,030 | |
| ببتصفر و صفر بين جوسين بين جوسين ان ال instance | |
| 611 | |
| 00:55:25,030 --> 00:55:30,810 | |
| الأولى من ناحية ال text من | |
| 612 | |
| 00:55:30,810 --> 00:55:39,250 | |
| ناحية ال text أبعد عادة ال instance من التانية | |
| 613 | |
| 00:55:39,250 --> 00:55:43,050 | |
| أبعد يعني صار في واحد صار في مسافة تنجمع للقانون | |
| 614 | |
| 00:55:43,050 --> 00:55:45,990 | |
| اللي عندي نعم | |
| 615 | |
| 00:55:54,750 --> 00:55:57,730 | |
| جدّيش عدد ال values ال different values اللي عندك | |
| 616 | |
| 00:55:57,730 --> 00:56:05,330 | |
| و الحالات التانية الوظائف ال occupation جدّيش | |
| 617 | |
| 00:56:05,330 --> 00:56:10,610 | |
| عدد الوظائف ايه و اديني مثال فرضا عشرة مين قال مين | |
| 618 | |
| 00:56:10,610 --> 00:56:14,970 | |
| قال ان ال manager بيختلف عن الموظف العادي بتسعة | |
| 619 | |
| 00:56:14,970 --> 00:56:16,390 | |
| درجات او بعشرة درجات | |
| 620 | |
| 00:56:18,950 --> 00:56:26,210 | |
| أنا قاعد باسألك مين اللي جال يعني | |
| 621 | |
| 00:56:26,210 --> 00:56:29,690 | |
| انت فعليا بدك تروح تعمل attribute جديد بناء على ال | |
| 622 | |
| 00:56:29,690 --> 00:56:33,970 | |
| data اللي عندك بنجو سين مؤمن جاعد ب mail انه خلاص | |
| 623 | |
| 00:56:33,970 --> 00:56:39,330 | |
| بما انه انا بدي استخدم ال algorithm كل ال data | |
| 624 | |
| 00:56:39,330 --> 00:56:44,850 | |
| تصير ال data نمريكية بس بدي ارجع اقولك ان ال way | |
| 625 | |
| 00:56:44,850 --> 00:56:51,080 | |
| اللي انت كمان بتتكلم عليههيظل subjective انت هتصير | |
| 626 | |
| 00:56:51,080 --> 00:56:57,420 | |
| تقرب و تبعد في الموظفين حسب حسب | |
| 627 | |
| 00:56:57,420 --> 00:57:00,520 | |
| ال character تبعتك حسب الشخص اللي عمله بيحلل و ده | |
| 628 | |
| 00:57:00,520 --> 00:57:04,920 | |
| ممكن يختلف لأنه في الآخر مافيش قانون واضح يقول | |
| 629 | |
| 00:57:04,920 --> 00:57:08,860 | |
| الفرق بين كده و كده لكن لو على سبيل المثال احنا | |
| 630 | |
| 00:57:08,860 --> 00:57:13,740 | |
| كنا بنتكلم على ال salary gradeأو الـ Grade تبع | |
| 631 | |
| 00:57:13,740 --> 00:57:17,600 | |
| الموظف آه، ممكن أعكس هذه بالـ Basic Salary تبع كل | |
| 632 | |
| 00:57:17,600 --> 00:57:21,700 | |
| Grade و هيك .. هيك بتكون الأمور سهلة تمام؟ لكن في | |
| 633 | |
| 00:57:21,700 --> 00:57:26,280 | |
| حالة زي هذه زي ما كتبت و قلت انتهان True و False | |
| 634 | |
| 00:57:26,280 --> 00:57:29,280 | |
| صفر و واحد، ماقلت الـ Cash، لأ، قلتلك صح لأنه | |
| 635 | |
| 00:57:29,280 --> 00:57:32,180 | |
| منطقية و لو كانت الـ Gender Male و Female، هقولك | |
| 636 | |
| 00:57:32,180 --> 00:57:34,780 | |
| صح و هذا الكلام هيتطابق مع الكلام الأساسي اللي | |
| 637 | |
| 00:57:34,780 --> 00:57:39,500 | |
| احنا بنقوله قاعدين بس في الحالة هذه انت روح | |
| 638 | |
| 00:57:39,500 --> 00:57:46,390 | |
| تعتبرهم Ordinal Dataمرتبط مصبوط و كل ما زادت | |
| 639 | |
| 00:57:46,390 --> 00:57:51,770 | |
| الرتبة زاد الفرق مش دايما هذا الكلام متوفر عندي | |
| 640 | |
| 00:57:51,770 --> 00:57:56,330 | |
| دكتور تفضلي على ال regression او ال .. مش بس على | |
| 641 | |
| 00:57:56,330 --> 00:57:58,130 | |
| ال .. مالهاش تدخل بال regression هاد ال | |
| 642 | |
| 00:57:58,130 --> 00:58:00,890 | |
| classification algorithm ال classification | |
| 643 | |
| 00:58:00,890 --> 00:58:04,810 | |
| algorithm طيب هد زي تقريبا اللي قلت عشان تفتح | |
| 644 | |
| 00:58:04,810 --> 00:58:07,230 | |
| الرواتب المليون | |
| 645 | |
| 00:58:11,370 --> 00:58:17,610 | |
| هي تعالى نشوف المثال | |
| 646 | |
| 00:58:17,610 --> 00:58:22,230 | |
| هذا الان عندي data set اللي علاقة بالاتصالات | |
| 647 | |
| 00:58:26,670 --> 00:58:31,190 | |
| المستخدم رقم المستخدم عند ال call بال duration | |
| 648 | |
| 00:58:31,190 --> 00:58:42,130 | |
| الاتصال بالدقائق 25000 40000 55000 27000 53000 ال | |
| 649 | |
| 00:58:42,130 --> 00:58:51,940 | |
| SMS count 24 27 32 25 30الـ Data Counter الـ | |
| 650 | |
| 00:58:51,940 --> 00:58:56,520 | |
| Mobile Data بالميجا بايت أربعة خمسة سبعة ستة خمسة | |
| 651 | |
| 00:58:56,520 --> 00:59:01,780 | |
| الآن لو أنا بدأ أروح أطبق ال distance الـ Numeric | |
| 652 | |
| 00:59:01,780 --> 00:59:07,620 | |
| Data ولا لأ؟ لو بدأ أطبق ال distance أنا بقولك | |
| 653 | |
| 00:59:07,620 --> 00:59:09,900 | |
| حرام ما تغلبش حالك كفاية تعتمد على ال attribute | |
| 654 | |
| 00:59:09,900 --> 00:59:14,600 | |
| الأول ليش؟ | |
| 655 | |
| 00:59:14,600 --> 00:59:19,220 | |
| لأن الفرق ما بين القيم كبير جداوبالتالي هو صاحب | |
| 656 | |
| 00:59:19,220 --> 00:59:23,800 | |
| القرار في ال distance و لا شو رايكوا؟ أو بين | |
| 657 | |
| 00:59:23,800 --> 00:59:30,880 | |
| جوسين؟ تأثير ال attribute هذا تأثيره أكبر مئات | |
| 658 | |
| 00:59:30,880 --> 00:59:36,580 | |
| المرات من ال attribute التاني والتالت على مين؟ على | |
| 659 | |
| 00:59:36,580 --> 00:59:41,640 | |
| ال distance أنت تخيل ال instance اللي أنا بدي | |
| 660 | |
| 00:59:41,640 --> 00:59:45,980 | |
| أفحصها القيم اللي فيها ألفين | |
| 661 | |
| 00:59:53,040 --> 00:59:59,260 | |
| 17 تلاتة مع | |
| 662 | |
| 00:59:59,260 --> 01:00:03,380 | |
| ال distance الأولى فقط مع ال distance الأولى خمس | |
| 663 | |
| 01:00:03,380 --> 01:00:07,840 | |
| .. خمس آلاف تربيع .. أنا ألفين؟ هذا بدك تقول عشرين | |
| 664 | |
| 01:00:07,840 --> 01:00:17,460 | |
| ألف عشرين ألف خمس آلاف تربيع زائد سبعة تربيعزائد | |
| 665 | |
| 01:00:17,460 --> 01:00:20,320 | |
| واحد تربيع فعلياً ما لهو مش قيمة في مقابل الخمس | |
| 666 | |
| 01:00:20,320 --> 01:00:24,200 | |
| تلاف تربيع ولا لأ؟ يعني هو كأنه ال value اللي طلعت | |
| 667 | |
| 01:00:24,200 --> 01:00:29,000 | |
| عندي هي عبارة عن جزر الخمس تلاف والباقي كله ولا | |
| 668 | |
| 01:00:29,000 --> 01:00:33,140 | |
| حاجة ماليش معنى كتير عندي أو تأثيره قليل جداً بس | |
| 669 | |
| 01:00:33,140 --> 01:00:38,860 | |
| هل الكلام هذا صح؟ هل فعليا ال cold duration هو ال | |
| 670 | |
| 01:00:38,860 --> 01:00:43,180 | |
| dominant في ال distance؟ لأ هو لاحظ أن ال | |
| 671 | |
| 01:00:43,180 --> 01:00:47,830 | |
| attribute كلهالقيم تبعته عالية ايش الحل بييجي | |
| 672 | |
| 01:00:47,830 --> 01:00:51,210 | |
| موضوع ال scaling هو اللي بيحل القضية وبحطهم كلهم | |
| 673 | |
| 01:00:51,210 --> 01:00:56,510 | |
| بنفس الأوزان في موضوع ال distance تخيل انا بدرح | |
| 674 | |
| 01:00:56,510 --> 01:01:00,690 | |
| اطبق عليهم ال min max normalization من صفر لواحد | |
| 675 | |
| 01:01:00,690 --> 01:01:04,050 | |
| شكل | |
| 676 | |
| 01:01:04,050 --> 01:01:12,030 | |
| ال data set هيها صفر مع انه كانت الفروقات بينهم | |
| 677 | |
| 01:01:13,850 --> 01:01:18,590 | |
| كبيرة جدا وعلى نفس النظام على نفس النظام الألفين | |
| 678 | |
| 01:01:18,590 --> 01:01:22,830 | |
| لما انا بقدر أطبقها بقدر اخضعها لنفس المبدأ ال min | |
| 679 | |
| 01:01:22,830 --> 01:01:27,870 | |
| max 01 على نفس الحسبة اللي اشتغل عليها هان هي ال | |
| 680 | |
| 01:01:27,870 --> 01:01:33,990 | |
| maximum value 55000 وهي ال minimum value ال | |
| 681 | |
| 01:01:33,990 --> 01:01:39,010 | |
| minimum و ال old ال old minimum و ال old maximum ل | |
| 682 | |
| 01:01:39,010 --> 01:01:43,370 | |
| ال new minimum 0و الـ New Maximum واحد و بدي أطبق | |
| 683 | |
| 01:01:43,370 --> 01:01:47,030 | |
| الألف عليهم الألفين عليهم و نفس النظام بدي أطبق | |
| 684 | |
| 01:01:47,030 --> 01:01:51,410 | |
| باقي العناصر اللي أنا كتبتها ففعليا ال values | |
| 685 | |
| 01:01:51,410 --> 01:01:58,970 | |
| تبعتها بصير تفرج و بصير كلهم إيش متساويات نعم بس | |
| 686 | |
| 01:01:58,970 --> 01:02:02,490 | |
| احنا اتفقنا إنه في موضوع ال data ال normalization | |
| 687 | |
| 01:02:02,490 --> 01:02:07,850 | |
| في ال preprocessing مهم جدا بس شغلة زي السابقة أنا | |
| 688 | |
| 01:02:07,850 --> 01:02:12,450 | |
| ماشوفتهاشماكنتش .. ماكنتش تخطر في أحلامي إنه فعليا | |
| 689 | |
| 01:02:12,450 --> 01:02:16,150 | |
| ألاقي إنه الـ nominal attribute أو ألاقي algorithm | |
| 690 | |
| 01:02:16,150 --> 01:02:21,530 | |
| فقط شغال على الـ numeric data، مصبوط؟ في ناحية الـ | |
| 691 | |
| 01:02:21,530 --> 01:02:23,890 | |
| preprocessing، احنا حكينا سابقا إنه الـ scaling | |
| 692 | |
| 01:02:23,890 --> 01:02:29,530 | |
| شغلة أساسية، الـ scaling شغلة أساسية إيش ال | |
| 693 | |
| 01:02:29,530 --> 01:02:33,670 | |
| advantages و ال disadvantages تبعت ال algorithm | |
| 694 | |
| 01:02:33,670 --> 01:02:41,090 | |
| اللي عندنا؟ ال advantages robustشو يعني robust؟ | |
| 695 | |
| 01:02:41,090 --> 01:02:50,190 | |
| قوي في موجود ال noise data في عند data طيب هي | |
| 696 | |
| 01:02:50,190 --> 01:02:55,770 | |
| distinguish ولا distinguish انت | |
| 697 | |
| 01:02:55,770 --> 01:02:58,010 | |
| اللي بتقول عشانك روحت على بلد و مارست فيها لغة | |
| 698 | |
| 01:02:58,010 --> 01:03:00,730 | |
| بلفضوها بالشكل هذا بقى هذا لا يعني ان الناس | |
| 699 | |
| 01:03:00,730 --> 01:03:04,510 | |
| التانية بتلفضوها بالهديات مختلفة شكرا لك تمام | |
| 700 | |
| 01:03:04,510 --> 01:03:06,470 | |
| سيدي؟ الآن | |
| 701 | |
| 01:03:08,130 --> 01:03:13,890 | |
| advantages robust أو robust noise training data | |
| 702 | |
| 01:03:13,890 --> 01:03:17,590 | |
| لما بكون في عندي noise data أنا بأضمن أنه بديني | |
| 703 | |
| 01:03:17,590 --> 01:03:23,050 | |
| prediction صحيحة بهدف أنه فعليا ما بتأثرش هو عماله | |
| 704 | |
| 01:03:23,050 --> 01:03:25,950 | |
| بيحسب ال instance أو العلاقة مع كل ال instances و | |
| 705 | |
| 01:03:25,950 --> 01:03:30,570 | |
| لما تكون في عندي واحدة noise بتدوب ما بين العناصر | |
| 706 | |
| 01:03:30,570 --> 01:03:34,730 | |
| اللي موجودة effective في حالة إذا كانت ال data | |
| 707 | |
| 01:03:34,730 --> 01:03:39,490 | |
| تبعتي large enough كبيرةليش؟ لأن بكون ال decision | |
| 708 | |
| 01:03:39,490 --> 01:03:43,810 | |
| تبعي بعتمد على أكبر عدد ممكن من ال neighbors | |
| 709 | |
| 01:03:43,810 --> 01:03:48,070 | |
| وبالتالي كل ما كترت النقاط صرت انا بدور انه يكون | |
| 710 | |
| 01:03:48,070 --> 01:03:52,710 | |
| .. احتمالية انه يكون في نقاط اقرب اعلى ال | |
| 711 | |
| 01:03:52,710 --> 01:03:58,670 | |
| disadvantages انه لازم احدد الكلمة الجابلة و | |
| 712 | |
| 01:03:58,670 --> 01:04:02,090 | |
| الكلمة التحديدة هذه بحد ذاته مشكلة انا ما بعرف ولا | |
| 713 | |
| 01:04:02,090 --> 01:04:07,150 | |
| حد في الدنيا بيعرف ايش افضل key الشغل التانيةالـ | |
| 714 | |
| 01:04:07,150 --> 01:04:11,230 | |
| distance based learning is not clear مفهوم الـ | |
| 715 | |
| 01:04:11,230 --> 01:04:13,470 | |
| distance لما كنت بتكلم على ال numerical كنت مقتنع | |
| 716 | |
| 01:04:13,470 --> 01:04:18,370 | |
| فيها بس لما دخلت ال nominal data بدنا ناخد و نعطف | |
| 717 | |
| 01:04:18,370 --> 01:04:23,190 | |
| الكلام مصبوط وبالتالي ما صارت مفهوم ال similarity | |
| 718 | |
| 01:04:23,190 --> 01:04:28,350 | |
| مش clear بالنسبة لي كتير عندي هان الشغلة التالتة | |
| 719 | |
| 01:04:28,350 --> 01:04:33,650 | |
| أو الأخيرة أنه أنا فعليا هذا ال algorithm بديني | |
| 720 | |
| 01:04:33,650 --> 01:04:38,970 | |
| high computation costليش؟ انت تخيل عندي 100 ألف | |
| 721 | |
| 01:04:38,970 --> 01:04:45,090 | |
| instance عشان أقدر أصنف one instance بدي أحسب | |
| 722 | |
| 01:04:45,090 --> 01:04:51,830 | |
| المسافة بينها وبين 100 ألف نقطة طبعا عندي 10 نقاط | |
| 723 | |
| 01:04:51,830 --> 01:04:57,150 | |
| بدي أصنفهم بدي أحسب ال distance عشرة في 100 ألف | |
| 724 | |
| 01:04:57,150 --> 01:05:02,810 | |
| يعني مليون مرة مليون distance بدي أحسب و هكذا لكن | |
| 725 | |
| 01:05:02,810 --> 01:05:06,470 | |
| هذا برضه على الرغم من العيوب هذهالـ algorithm هذه | |
| 726 | |
| 01:05:06,470 --> 01:05:11,870 | |
| في حالات كتيرة efficient إذا كانت في عندي memory | |
| 727 | |
| 01:05:11,870 --> 01:05:16,150 | |
| كافية و ال data set تباعتي كويسة بتديني prediction | |
| 728 | |
| 01:05:16,150 --> 01:05:19,670 | |
| عالي لأن أحيانا يا جماعة الخير بقدرش أبني model | |
| 729 | |
| 01:05:19,670 --> 01:05:26,720 | |
| أنا لاحظ أي تغيير في ال environment مش هتأثر فيهفي | |
| 730 | |
| 01:05:26,720 --> 01:05:29,560 | |
| الآخر انت بتديني قيم وانا بحسب قربي او بعدي النقطة | |
| 731 | |
| 01:05:29,560 --> 01:05:33,720 | |
| جربت ولا بعدت انا ماعندي مشكلة لكن في حالة بناء ال | |
| 732 | |
| 01:05:33,720 --> 01:05:36,420 | |
| model زى ما هشوف لاحقا انا ببنى model ال model | |
| 733 | |
| 01:05:36,420 --> 01:05:42,540 | |
| خلاص صار if then طب اتغيرت الدنيا بدك تغير ال if | |
| 734 | |
| 01:05:42,540 --> 01:05:45,840 | |
| then يعني بدك تعمل ال training مرة تانية و عادة | |
| 735 | |
| 01:05:45,840 --> 01:05:51,020 | |
| بنطلق على ال kennerist labor hand lazy learning | |
| 736 | |
| 01:05:51,020 --> 01:05:54,020 | |
| algorithm | |
| 737 | |
| 01:06:01,130 --> 01:06:05,630 | |
| براحته، ليش lazy؟ لأنه فعلا بيبنيش model كاسلان | |
| 738 | |
| 01:06:05,630 --> 01:06:09,030 | |
| ماعندهش استعداد يرهق نفسه في بناء model أو يحط | |
| 739 | |
| 01:06:09,030 --> 01:06:12,970 | |
| role كصفر العلاقة ما بين ال attributes و ال class | |
| 740 | |
| 01:06:12,970 --> 01:06:17,410 | |
| فبيعتمد هو كل مرة على إيش؟ على ال computation بدل | |
| 741 | |
| 01:06:17,410 --> 01:06:25,380 | |
| من حساب ال model متطفل؟ لاهو شغال بذاته هو كسول | |
| 742 | |
| 01:06:25,380 --> 01:06:29,020 | |
| بدوش يبني بقولك لما بتيجي تعمل instance بعملك | |
| 743 | |
| 01:06:29,020 --> 01:06:31,560 | |
| الحسبة و بديكي اياه و خلاصنا بديش ابني model | |
| 744 | |
| 01:06:31,560 --> 01:06:40,320 | |
| واحتفظ فيه اللي هي لأ | |
| 745 | |
| 01:06:40,320 --> 01:06:43,520 | |
| لأ هذا ال algorithm من ال deterministic algorithm | |
| 746 | |
| 01:06:43,520 --> 01:06:49,550 | |
| يعني لو دوفرتله نفس ال data setو نفس الـ Instant | |
| 747 | |
| 01:06:49,550 --> 01:06:53,910 | |
| Set وجربت 7000 مليون مرة تعمل ال classification | |
| 748 | |
| 01:06:53,910 --> 01:07:00,670 | |
| تحديك نفس النتيجة اه | |
| 749 | |
| 01:07:00,670 --> 01:07:04,670 | |
| ممكن انا ماقلتش ان ال algorithm هذا هو الأفضل | |
| 750 | |
| 01:07:04,670 --> 01:07:09,550 | |
| طبعا؟ لكن هذا ال algorithm هو الأسهل من ناحية | |
| 751 | |
| 01:07:09,550 --> 01:07:13,490 | |
| الاستيعاب، أيش اللي بيصير فعشان هيك أنا بديت فيه، | |
| 752 | |
| 01:07:13,490 --> 01:07:17,870 | |
| الآن هل هو أفضل algorithm؟ لأالان بس أنا بالنسبة | |
| 753 | |
| 01:07:17,870 --> 01:07:21,950 | |
| لي تجربة شخصية في الدكتوراه كان ال algorithm هذا | |
| 754 | |
| 01:07:21,950 --> 01:07:26,850 | |
| هو قوق النجاة تبعي قارنته بال support vector | |
| 755 | |
| 01:07:26,850 --> 01:07:30,470 | |
| machine وقارنته بال neural network كان أداءه أقل | |
| 756 | |
| 01:07:30,470 --> 01:07:33,930 | |
| منهم على الرغم من هي كان اختيار ان هذا ال | |
| 757 | |
| 01:07:33,930 --> 01:07:36,910 | |
| algorithm هو الأكثر مناسبة انا بأشتغل في dynamic | |
| 758 | |
| 01:07:36,910 --> 01:07:41,430 | |
| environment بعمل computation على الجوال وبالتالي | |
| 759 | |
| 01:07:41,430 --> 01:07:44,830 | |
| يستحيل موضوع ال learning ان ابني model كل ما تتغير | |
| 760 | |
| 01:07:44,830 --> 01:07:49,540 | |
| ال environmentومقاربة الـ Accuracy لـ Neural | |
| 761 | |
| 01:07:49,540 --> 01:07:53,320 | |
| Network دتني حوالي 97% الـ support vector machine | |
| 762 | |
| 01:07:53,320 --> 01:07:59,360 | |
| الدنيا مقاربة لها وهذا الدرح الدنيا 94% فبالضبط | |
| 763 | |
| 01:07:59,360 --> 01:08:03,780 | |
| فصرت هذا مش فارق في مقابل أنه هذا بيشتغل مع الـ | |
| 764 | |
| 01:08:03,780 --> 01:08:06,020 | |
| dynamic environment لأنه أنا مش بحاجة في كل ما | |
| 765 | |
| 01:08:06,020 --> 01:08:10,700 | |
| تتغير عوامل البيئة أروح أبني model جديد فكان هو | |
| 766 | |
| 01:08:10,700 --> 01:08:13,620 | |
| فعليا أوق النجاح زي ما قلتلك بالنسبة لي من تجربة | |
| 767 | |
| 01:08:13,620 --> 01:08:17,430 | |
| فهذا لا يعني أنه سيءلكن أنا قاعد بتكلم advantages | |
| 768 | |
| 01:08:17,430 --> 01:08:21,770 | |
| او disadvantages موجودة عندها ال code اللي موجود | |
| 769 | |
| 01:08:21,770 --> 01:08:26,070 | |
| عندها بكل بساطة بيبني او بيستخدم ال kenyan sniper | |
| 770 | |
| 01:08:26,070 --> 01:08:32,830 | |
| algorithm بال بايثون طبعا انا بفترض ان انا عامل | |
| 771 | |
| 01:08:32,830 --> 01:08:33,210 | |
| import | |
| 772 | |
| 01:08:36,030 --> 01:08:38,790 | |
| الان بكل بساطة الشباب اللي انا سويته في ال code | |
| 773 | |
| 01:08:38,790 --> 01:08:42,510 | |
| هذا كنت بدأ اشتغله او رابط مدامك عملي الان عملت | |
| 774 | |
| 01:08:42,510 --> 01:08:46,830 | |
| import لل pandas as bd و ال bd مجرد اي اي shortcut | |
| 775 | |
| 01:08:46,830 --> 01:08:50,350 | |
| عشان تختصر من كتابة أسماء ال libraries باكتر من | |
| 776 | |
| 01:08:50,350 --> 01:08:54,930 | |
| طريقة و قلتله ال data 6 بعت equal pandas dot read | |
| 777 | |
| 01:08:54,930 --> 01:09:02,390 | |
| csv iris dot csv data بتتكلم على تصنيف زهر السوسن | |
| 778 | |
| 01:09:02,390 --> 01:09:08,680 | |
| لتلت أصنافال data set هذه for training معدّة بشكل | |
| 779 | |
| 01:09:08,680 --> 01:09:13,480 | |
| جيد لل classification طبعا يعني إذا أريد أن أفهم | |
| 780 | |
| 01:09:13,480 --> 01:09:15,580 | |
| ال classification و أجرب ال algorithm و أقارن ما | |
| 781 | |
| 01:09:15,580 --> 01:09:18,880 | |
| بين ال algorithm هذه واحدة من ال data set المناسبة | |
| 782 | |
| 01:09:18,880 --> 01:09:23,240 | |
| عدد ال rows اللي فيها 150 row three classes خمسين | |
| 783 | |
| 01:09:23,240 --> 01:09:28,560 | |
| row في كل class طبعا زي بسم قلتلك هي عشان أنا أجرب | |
| 784 | |
| 01:09:28,560 --> 01:09:33,520 | |
| عليها الآن قرأت ال data set عادة ال data set تبعتي | |
| 785 | |
| 01:09:35,720 --> 01:09:43,940 | |
| هذه من الـ five attributes السبل | |
| 786 | |
| 01:09:43,940 --> 01:09:48,500 | |
| length و السبل width عرض أقول السبلة و ال beta | |
| 787 | |
| 01:09:48,500 --> 01:09:52,960 | |
| length و ال beta width عرض أقول البتلة تبع الزهرة | |
| 788 | |
| 01:09:52,960 --> 01:09:59,800 | |
| تمام؟ الكأس و الورقة تبع الزهرة و النوع النوع اسمه | |
| 789 | |
| 01:09:59,800 --> 01:10:00,180 | |
| variety | |
| 790 | |
| 01:10:04,190 --> 01:10:07,070 | |
| Kindhand في الـ data set اللي أنا استخدمتها في | |
| 791 | |
| 01:10:07,070 --> 01:10:10,510 | |
| data تانية ممكن تسميها kind أو type أو citrus ال | |
| 792 | |
| 01:10:10,510 --> 01:10:15,570 | |
| iris type إلى أخرها هذا ال data set كلها جاية في | |
| 793 | |
| 01:10:15,570 --> 01:10:19,890 | |
| جدول واحد block واحد أنا الخطوة رقم واحد المفروض | |
| 794 | |
| 01:10:19,890 --> 01:10:25,910 | |
| أسويها مع أي عملية classification أفصل أفصل ما بين | |
| 795 | |
| 01:10:25,910 --> 01:10:32,070 | |
| ال label وال attributes كيف بدي أفصل بين ال label | |
| 796 | |
| 01:10:32,070 --> 01:10:35,790 | |
| وال attributes؟و قلت له ال attributes تبعتي تساوي | |
| 797 | |
| 01:10:35,790 --> 01:10:40,930 | |
| ال data set ضد ال drop ال variety drop لل variety | |
| 798 | |
| 01:10:40,930 --> 01:10:45,470 | |
| إيش يعني؟ يشيله بس من وين هيشيله؟ هيشيله من ال | |
| 799 | |
| 01:10:45,470 --> 01:10:49,750 | |
| data set و يحطها في data set جديد يسميه ليها | |
| 800 | |
| 01:10:49,750 --> 01:10:54,470 | |
| features و ليش قلت له x is equal 1؟ لأنه أنا بدي | |
| 801 | |
| 01:10:54,470 --> 01:10:58,550 | |
| أشيل columnالان بعضكم ممكن يخطئ ويروح يحط يقوله | |
| 802 | |
| 01:10:58,550 --> 01:11:02,410 | |
| الـ IRIS او ال data set equal كده بيصير يحدث عليها | |
| 803 | |
| 01:11:02,410 --> 01:11:06,510 | |
| بيلزم يحط in place true عشان يعدل على نفس ال data | |
| 804 | |
| 01:11:06,510 --> 01:11:11,190 | |
| set اللي هو شغال عليها انا هيك اخدت مين اخدت ال | |
| 805 | |
| 01:11:11,190 --> 01:11:17,730 | |
| features في data set جديدة بدي اخد ال labels او ال | |
| 806 | |
| 01:11:17,730 --> 01:11:20,810 | |
| target هقوله ال target تساوي ال data set dot | |
| 807 | |
| 01:11:20,810 --> 01:11:24,570 | |
| variety او ال data set | |
| 808 | |
| 01:11:32,680 --> 01:11:37,640 | |
| variety هانتعامل معاها as an instance من ال | |
| 809 | |
| 01:11:37,640 --> 01:11:41,260 | |
| framework اللي موجود عندك هان class وعتبرها | |
| 810 | |
| 01:11:41,260 --> 01:11:43,900 | |
| variable منه وأخدها منه مواشرة و هان روحت انت | |
| 811 | |
| 01:11:43,900 --> 01:11:47,780 | |
| اعتبرته ليها as dictionary او ك array او vector | |
| 812 | |
| 01:11:47,780 --> 01:11:51,340 | |
| وراح يقطعلك ايه ويقولك اتفضل هذه و هذه هديك نفس | |
| 813 | |
| 01:11:51,340 --> 01:11:55,200 | |
| النتيجة الان اللي هيصير عندي بعد هيك from the | |
| 814 | |
| 01:11:55,200 --> 01:11:59,010 | |
| escalars dot neighborsلأن هذه سلسلة algorithm | |
| 815 | |
| 01:11:59,010 --> 01:12:07,370 | |
| import nearest neighbor k and n ال model equal k | |
| 816 | |
| 01:12:07,370 --> 01:12:10,970 | |
| and n خمسة أخدت constructor و قلت له ال k تبعتي | |
| 817 | |
| 01:12:10,970 --> 01:12:15,950 | |
| خمسة و قلت له هاي ال association بين ال features و | |
| 818 | |
| 01:12:15,950 --> 01:12:22,490 | |
| ال label اللي عندي ال model dot fitبعد هي قلت له | |
| 819 | |
| 01:12:22,490 --> 01:12:26,750 | |
| اعمل prediction لمين؟ لـ model.neighbors ال test و | |
| 820 | |
| 01:12:26,750 --> 01:12:32,070 | |
| ال S ايش ال test؟ هي عبارة عن sample instance فيها | |
| 821 | |
| 01:12:32,070 --> 01:12:35,650 | |
| خمسة و تلاتة و ستة من عشرة واحد و اتنين و واحد و | |
| 822 | |
| 01:12:35,650 --> 01:12:38,470 | |
| سبعة قلت له re shape عشان يعمل ليهم as a vector | |
| 823 | |
| 01:12:38,470 --> 01:12:43,030 | |
| تتطابق تماما بال direction مع ال instances اللي | |
| 824 | |
| 01:12:43,030 --> 01:12:46,130 | |
| موجودة في ال predictions هذه خزنت انها ال value في | |
| 825 | |
| 01:12:46,130 --> 01:12:50,180 | |
| ال predictions مافيش ال predictions يا شبابهي | |
| 826 | |
| 01:12:50,180 --> 01:12:58,240 | |
| عبارة عن الـ Ray من خمس عناصر تمام؟ إيش فيها؟ فيها | |
| 827 | |
| 01:12:58,240 --> 01:13:05,420 | |
| الـ shortest distances ال distances أقصر مسافات مش | |
| 828 | |
| 01:13:05,420 --> 01:13:07,880 | |
| أنا بقوله دور على ال shortest five neighbors | |
| 829 | |
| 01:13:07,880 --> 01:13:12,520 | |
| فجابلي أقصر خمس مسافات هذا ال role أول في ال array | |
| 830 | |
| 01:13:12,520 --> 01:13:18,010 | |
| ال road تاني عبارة عن ال Rayفي ال index تبعت ال | |
| 831 | |
| 01:13:18,010 --> 01:13:24,250 | |
| instances أصحاب أقصر مسافات بضل عليك تاخد ال index | |
| 832 | |
| 01:13:24,250 --> 01:13:29,210 | |
| هدول و تروح تجيب ال label تبعتهم عشان إيش تعمل | |
| 833 | |
| 01:13:29,210 --> 01:13:33,290 | |
| بينهما voting وتاخد القيمة اللي موجودة الله | |
| 834 | |
| 01:13:33,290 --> 01:13:35,910 | |
| يعطيكوا العافية و بشوفكوا ان شاء الله لسبوع القادم | |