بناء خط أنابيب التنبؤ باستخدام مصنف بايز الساذج - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

وبحسب المتوقع تحتاج المصفوفة المتباعدة إلى ذاكرة أقل بكثير وتحديدًا 0.000048 ميجابايت، بينما تشغل المصفوفة الكثيفة 7 جيجابايت، كما أن هذه المصفوفة لن تُستخدم مرة أخرى وبالتالي يمكن حذفها لتوفير الحجم الكبير من الذاكرة:

# delete the dense matrix. del X_train_v1_dense

بناء خط أنابيب التنبؤ Building a Prediction Pipeline

الآن بعد أن تمكنت من تمثيل بيانات التدريب بالمتجهات فإن الخطوة التالية هي بناء خط أنابيب التنبؤ الأول. وللقيام بذلك، ستُستخدم نوعًا من المصنفات يسمى مصنف بايز الساذج (Naive Bayes Classifier)، حيث يستخدم هذا المصنف احتمالات الكلمات أو العبارات المحددة الواردة في النص للتنبؤ باحتمال انتمائه إلى تصنيف محدد. جاءت كلمة الساذج (Naive) في اسم المصنف من افتراض أن وجود كلمة بعينها في النص مستقل عن وجود أي كلمة أخرى. وهذا افتراض قوي، ولكنه يسمح بتدريب الخوارزمية بسرعة وفعالية كبيرة.

المصنف (Classifier): المصنف في تعلم الآلة هو نموذج يُستخدم لتمييز نقاط البيانات في فئات أو تصنيفات مختلفة. الهدف من المصنف هو التعلم من بيانات التدريب المعنونة، ومن ثم القيام بالتنبؤات حول قيم التصنيف لبيانات جديدة.

يستخدم المقطع البرمجي التالي تطبيق مصنف بايز الساذج (Multinomial NB) من مكتبة سكيليرن (Sklearn Library) لتدريب نموذج التعلم الموجه على بيانات التدريب IMDb بالمتجهات:

from sklearn.naive_bayes import MultinomialNB model_v1=MultinomialNB() # a Naive Bayes Classifier model_v1.fit(X_train_v1, Y_train) # fit the classifier on the vectorized training data. from sklearn.pipeline import make_pipeline # create a prediction pipeline: first vectorize using vectorizer_v1, then use model_v1 to predict. prediction_pipeline_v1 = make_pipeline(vectorizer_v1, model_v1)

على سبيل المثال، سينتج هذا المقطع البرمجي مصفوفة نتائج يرمز فيها الرقم 1 للتقييم الإيجابي و 0 للتقييم السلبي:

prediction_pipeline_v1.predict(['One of the best movies of the year. Excellent cast and very interesting plot.', 'I was very disappointed with his film. I lost all interest after 30 minutes' ])

array([[1, 0]], dtype=int64)

وزارة التعليم 139 Ministry of Education 2025 - 1447

# delete the dense matrix. del X_train_v1_dense--- SECTION: بناء خط أنابيب التنبؤ --- بناء خط أنابيب التنبؤ Building a Prediction Pipelineالآن بعد أن تمكنت من تمثيل بيانات التدريب بالمتجهات فإن الخطوة التالية هي بناء خط أنابيب التنبؤ الأول. وللقيام بذلك، ستُستخدم نوعًا من المصنفات يسمى مصنف بايز الساذج (Naive Bayes Classifier)، حيث يستخدم هذا المصنف احتمالات الكلمات أو العبارات المحددة الواردة في النص للتنبؤ باحتمال انتمائه إلى تصنيف محدد. جاءت كلمة الساذج (Naive) في اسم المصنف من افتراض أن وجود كلمة بعينها في النص مستقل عن وجود أي كلمة أخرى. وهذا افتراض قوي، ولكنه يسمح بتدريب الخوارزمية بسرعة وفعالية كبيرة.--- SECTION: المصنف (Classifier) --- المصنف (Classifier): المصنف في تعلم الآلة هو نموذج يُستخدم لتمييز نقاط البيانات في فئات أو تصنيفات مختلفة. الهدف من المصنف هو التعلم من بيانات التدريب المعنونة، ومن ثم القيام بالتنبؤات حول قيم التصنيف لبيانات جديدة.يستخدم المقطع البرمجي التالي تطبيق مصنف بايز الساذج (Multinomial NB) من مكتبة سكيليرن (Sklearn Library) لتدريب نموذج التعلم الموجه على بيانات التدريب IMDb بالمتجهات:from sklearn.naive_bayes import MultinomialNB model_v1=MultinomialNB() # a Naive Bayes Classifier model_v1.fit(X_train_v1, Y_train) # fit the classifier on the vectorized training data.from sklearn.pipeline import make_pipeline# create a prediction pipeline: first vectorize using vectorizer_v1, then use model_v1 to predict. prediction_pipeline_v1 = make_pipeline(vectorizer_v1, model_v1)على سبيل المثال، سينتج هذا المقطع البرمجي مصفوفة نتائج يرمز فيها الرقم 1 للتقييم الإيجابي و 0 للتقييم السلبي:prediction_pipeline_v1.predict(['One of the best movies of the year. Excellent cast and very interesting plot.', 'I was very disappointed with his film. I lost all interest after 30 minutes' ])array([[1, 0]], dtype=int64)2025 - 1447