أرشيف المدونة

Car valuation Prediction System  by Machine Learning

Car valuation Prediction System

 by Machine Learning

نظام توقع تقييم السيارة بأستخدام التعلم الالي

يقوم هذا النظام وتطبيق الويب بمعرفة توقع وتقييم السيارة معتمدة على بعض المميزات لها لغرض تقييمها في الشراء على أساس تقييمها ضمن الدرجات التالية

( مقبولة او غير مقبولة او جيدة او جيدة جدا )

رابط التطبيق الويب من هنا

 

يمكن تنزيل الداتا سيت (DataSet)

وخصائص المميزات والتصنيف(Features & Class) من هنا

أو من هنا

بعد استخدام احد خوازميات التدريب من قبل مكتبة (sklearn) موديل

بتطبيق خوازمية شجرة القرار  DecisionTreeClassifier

رابط الموديل من هنا

خصائص المميزات كالاتي :-

Attribute Information:

Class Values: Target: unacc, acc, good, vgood

Attributes:

buying: vhigh, high, med, low.

 maint: vhigh, high, med, low.

doors: 2, 3, 4, 5more.

persons: 2, 4, more.

 lug_boot: small, med, big.

safety: low, med, high.

رابط الموديل من هنا

رابط ملف التدريب من هنا

 

Advertisements

 Identification of Iris Flower Species  Using Machine Learning

التعرف على أنواع أزهار  القزحية  بأستخدام التعلم الالي

 Identification of Iris Flower Species

 Using Machine Learning

رابط الموقع من هنا  

تطبيق ويب للتعرف على أنواع أزهار القزحية الايرس باستخدام التتعلم الالي … بعد تم تدريب بيانات لعدة انواع من زهرة الايرس  من حيث

  • sepal length

  • sepal width

  • petal length

  •  petal width

بامكانك الحصول على  الداتاسيت من هنا

https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv

لثلاثة انواع وهي :-

1-setosa  2-versicolor  3- virginica 

وباستخدام احد خوارزميات التعلم الالي وهي (DecisionTreeClassifier) بامكانك الاطلاع عليها من هنا ..

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

 

تم تكوين نموذج بدقة لربط المميزات مع اسم الصنف لغرض التنبأ والتوقع عن ونوع الزهرة بعد معرفة المميزات اعلاه

وتكوين الموديل (model) باستخدام مكتبة pickle

من هنا … https://docs.python.org/3/library/pickle.html

ورابط الموديل من هنا

https://drive.google.com/open?id=10vEPJ6YPmEX1zFjxJMAzzxyT4KybQ-p0

 ورابط التدريب والتوقع والاختبار من هنا

 https://drive.google.com/open?id=1TfsgbOp8rp0KF5I6LZAsCj-Ps03sNufU

 

 

 

Weka Tool for Machine Learning Course Guide

Weka Tool for Machine Learning Course Guide

الاداة ويكا ودليل كورس لتعلم اداة التعلم الالي

بدون أستخدام اي كود برمجي

بامكانك تنزيل الدليل من هنا machine_learning_mastery_with_weka_mini_course

حيث يتم في الدليل البسيط عرض 14 درس بسيط لاعداد والتدريب على هذه الاداة ..وهي اداة مفتوحة المصدر مجانية تمت برمجتها بلغة الجافا ..

بامكانك تنزيلها من هنا

تحتوي على بعض خوازميات التعلم الالي المألوفة وبعض نماذج التدريب لاهم البيانات مثل مرض السكري وغيرها والانتخابات الرأسية للولايات المتحدة الامريكية … واستخدام الإحصائيات لاختيار أفضل نموذج أداء للنمذجة التنبؤية الخاصة بك

 طبعا لاتحتاج الى كتابة الكود الرمجي بلغة البايثون او الماتلاب او غيرها من لغات البرمجة

اداة متكاملة ذات واجهات رسومية رائعة وبسيطة للباحثين والمبتدأين والدارسين وطلبة الدراسات العليا ….

نظرة عامة على الدورة التدريبية المصغرة (ما يمكن توقعه)

تنقسم هذه الدورة المصغرة إلى 14 جزءًا. تم تصميم كل درس ليأخذك حوالي 30 دقيقة قد تنتهي بعض الشيء في وقت أقرب ولآخرين قد تختار الذهاب إلى أعمق وأنفاق المزيد من الوقت . يمكنك إكمال كل جزء بالسرعة أو ببطء كما تريد. جدول مريح

قد يكون إكمال درس واحد يوميًا على مدار أسبوعين. ينصح به بشده.

 الموضوعات التي ستغطيها خلال الدروس الـ14 التالية هي كما يلي :

 

ˆ Lesson 01: Download and Install Weka.

 ˆ Lesson 02: Load Standard Machine Learning Datasets.

ˆ Lesson 03: Descriptive Stats and Visualization.

 ˆ Lesson 04: Rescale Your Data.

ˆ Lesson 05: Perform Feature Selection on Your Data.

 ˆ Lesson 06: Machine Learning Algorithms in Weka.

 ˆ Lesson 07: Estimate Model Performance.

ˆ Lesson 08: Baseline Performance On Your Data.

ˆ Lesson 09: Classification Algorithms.

ˆ Lesson 10: Regression Algorithms.

ˆ Lesson 11: Ensemble Algorithms.

 ˆ Lesson 12: Compare the Performance of Algorithms.

ˆ Lesson 13: Tune Algorithm Parameters.

ˆ Lesson 14: Save Your Model.

 

 

 

 

 

 

building machine learning system with python

كتاب بعنوان 

بناء أنظمة التعلم الالي مع لغة البايثون 

(Building Machine Learning Systems with Python )

الكتاب من هنا 

بناء أنظمة التعلم الالي بأستخدام لغة البرمجة البايثون

إتقان فن التعلم الالي  مع بايثون و بناء نظم التعلم الآلي الفعال مع هذا دليل عملي مكثف

ما يغطي هذا الكتاب……؟

الفصل الأول : البدء في تعلم آلة بلغة البرمجة البايثون ويقدم الفكرة الأساسية من التعلم الآلي مع مثال بسيط للغاية. الفصل الثاني : تعلم كيفية التصنيف مع أمثلة في العالم الحقيقي  ويوضح استخدام البيانات الحقيقية لمعرفة التصنيف ، حيث نقوم بتدريب جهاز كمبيوتر لتكون قادرة على التمييز بين فئات مختلفة من الزهور.

الفصل الثالث : تجميع – العثور على الوظائف ذات الصلة، يشرح مدى قوة نهج حقيبة الكلمات هو عندما نطبقها على العثور على وظائف مماثلة دون حقا فهمهم

 

الفصل الرابع : نمذجة الموضوع ، يأخذنا إلى ما بعد تعيين كل وظيفة إلى مجموعة واحدة

ويوضح لنا كيفية تعيينهم لعدة مواضيع كما يمكن أن يتعامل معها النص الحقيقي ضمن موضوعات متعددة.

الفصل الخامس : التصنيف – كشف الأجوبة الفقيرة ، يوضح كيفية استخدام الانحدار لمعرفة ما إذا كان إجابة المستخدم على سؤال جيد أم سيء. خلف المشاهد ، سوف نتعلم كيفية استخدام المفاضلة بين التباين والتحول إلى آلة التصحيح ضمن نماذج التعلم.

الفصل السادس : التصنيف الثاني – تحليل المشاعر ، يقدم كيف ناييف بايز يعمل ، وكيفية استخدامها لتصنيف التغريدات لمعرفة ما إذا كانت كذلك إيجابية أو سلبية.

الفصل السابع : الانحدار – التوصيات ، يناقش موضوعًا كلاسيكيًا في معالجة البيانات ، لكنها لا تزال ذات صلة اليوم. سوف نستخدمها لبناء توصية الأنظمة ، التي يمكن أن تأخذ مدخلات المستخدم حول ما يعجبه ويكره ويوصي منتجات جديدة.

الفصل الثامن : الانحدار – التوصيات تحسن ، ويحسن توصياتنا باستخدام طرق متعددة في وقت واحد. سنرى أيضًا كيفية بناء التوصيات فقط من بيانات التسوق دون الحاجة إلى بيانات التصنيف التي لا يفعلها المستخدمون تقدم دائما

الفصل التاسع : التصنيف الثالث – تصنيف الموسيقى ، يوضح كيف أن شخص ما لديه

جمعت مجموعتنا الموسيقية الضخمة ، ثم أملنا الوحيد لإنشاء أمر هو السماح

متعلم آلة تصنف أغانينا. سيظهر أنه من الأفضل في بعض الأحيان تثق في خبرة شخص آخر من خلق ميزات أنفسنا

الفصل العاشر : رؤية الكمبيوتر – التعرف على الأنماط ، يشرح كيفية تطبيق التصنيفات

في السياق المحدد للتعامل مع الصور ، وهو حقل يعرف باسم التعرف على الأنماط

 

الفصل 11 : تقليل الأبعاد ، يعلمنا ما هي الطرق الأخرى الموجودة التي يمكن أن تساعدنا في تقليل حجم البيانات بحيث تكون قابلة للمضخ  من خلال خوازميات التعلم الالي ..

 

يشرح الفصل 12 : بيانات كيف أن أحجام البيانات تزداد وأكبر هذا غالبا ما يصبح مشكلة للتحليل. في هذا الفصل ، نستكشف البعض النهج للتعامل مع أكبر من البيانات عن طريق الاستفادة من النواة المتعددة أومجموعات الحوسبة. لدينا أيضًا مقدمة لاستخدام الحوسبة السحابية

(باستخدام خدمات الويب في أمازون كموفر السحابة لدينا)

Building Machine Learning Systems with Python – Richert, Coelho

%d مدونون معجبون بهذه: