Jump to content
أوفيسنا

تطبيق أورانج لتحليل البيانات - الدرس الأول


Recommended Posts

السلام عليكم

مرحبا بكم فى الدرس الاول لتطبيق اورانج

ربما لا يعرفه الكثيرين من غير المختصين ، و لكنه باختصار تطبيق مفتوح المصدر  يحوي مستويات متعددة لتحليل البيانات ، و ليس فقط التحليل ، و لكن يتعدى ذلك الي الذكاء الصناعي Artificial Intenligence  و التحليل العميق للبيانات Data Mining و يمكن استخدامه بطريقة مفيدة على مختلف المستويات. كما انه يمتاز بسهولة الاستخدام.

SNAG-0001.jpg.339f97d522802c76317bba5d74d47f40.jpg

و هذه خطوة على طريق المستقبل فى علوم تحليل البيانات Data Science و التي من اجلها افتتحنا مجموعة الاقسام  التي من ضمنها هذا القسم الوليد، و الخاصة بالبحث العلمي و تحليل البيانات و الذكاء الاصطناعي و التي امل من الجميع الاهتمام بها و المشاركة فى الاضافة اليها باذن الله. و قد وجد العديد من الجرويات المهتمة ببعض اجزاءها ،  لذا تم اضافة هذه الاقسام املا ان تثري المعرفة فى هذه المجالات باذن الله. و باذن الله سيلي ذلك التطرق الى لغة ال R

و يتميز هذا التطبيق بسهولة الاستخدام و وجود امكانيات كبيرة تضم و تتعدي امكانيات الاكسيل و الاكسيس فى التحليل ، و يمكن استخدامه ايضا فى تحليل البيانات الموجودة فى الاكسيل كما سنرى لاحقا باذن الله

لا أزعم الخبرة الكبيرة به ، و انا حاليا اتعلمه ، و ساشارككم ما اتعلمه خطوة بخطوة ، و اتوقع باذن الله ان يتحول الكثيرين لاستخدامه تماشيا مع التوجهات الحديثة فى تحليل البيانات ، و لكن كما تحدثنا كثيرا فى هذا المنتدى و نكرر مرة اخرى ان افضل طريفة للتعلم هي الشرح ، فانا ايضا استهدف من هذه السلسلة ليس فقط نشر اللعلم و لكن التعلم ، فباعدادها اكون قد سلكت افضل سبل التعلم . ولتوضيح الامر ، هذا الرسم يوضح انماط التعلم و درجة الاحتفاظ بالمعلومة بها لكل نمط و قد رايته اكثر من مرة و لا اعرف مرجعه العلمي و لكني مقتنع به تماما بالرأي و الواقع و الممارسة خلال السنوات الماضية ، و باستمرار ، حيث كان اخر رد لي فى المنتدى تعلمت مجموعة معلومات اضافية فى موضوع كنت ملما به تماما او بالاصح كنت اعتقد ذلك، الي ان اكتشفت بعض التفاصيل و انا اعد الرد لم اكن ملما بها ، بل و اضاف اعضاء اخرون ردود جديدة اضافت الي معرفتي ، بعد ان ظننت اني ملم به الماما كاملا. و الرسم المرفق من محاضرة لاحد المتحدثين فى منتدى دبي العالمي لادارة المشاريع:

باختصرا فان درجة الاحتفاظ بالمعلومة تكون فى ادني مستوياتها بمجرد الاستماع ( 5%) ، ثم ترتفع تدريجيا بالترتيب التالي

  • الاستماع 5%
  • القراءة 10%
  • المشاهدة بالصوت و الصورة 20%
  • البرهنة او مثال عملي 30%
  • الحوار بين مجوعة 50%
  • التجربة بالفعل 75%
  • التدريس للاخرين 90%

و هذا يتطابق مع تجربتي فى الحياة و المنتدى و لمستها فى ارتفاع مستوى العديد من الاخوة الفاعلين فى الرد على مواضيع المنتدى حيث تطور مستواهم الفني بدرجة كبيرة جدا حتى اصبحوا خبراء فى مجالاتهم.

SNAG-0068.jpg.367d966dde3624472d4cb5dd1f1295c4.jpg

و سابدأ سلسلة الدروس اعتمادا على الدروس التعليمية المنشورة من قبل فريق البرنامج و هذا رابطها اضغط هنا و باذن الله نتعدي ذلك مستقبلا

 

الدرس الاول 

طبعا قيل أن نبدأ يلزمك تحميل التطبيق ، و هو  تطبيق مجاني مفتوح المصدر  و يمكن التحميل من هنا

باسم الله نبدأ

 

1- لنبدأ بفتح التطبيق ، و سنجد الشاشة التالية تظهر لنا

SNAG-0002.jpg.4796459bbe0a3982ed7ba40ae42af3ef.jpg

 

و من  مجموعة Data على اليسار ، نختار   المكون (Widget)  المسمي File 

SNAG-0003.jpg.4704bbfa3cb7c9330dab7f0675a157a3.jpg

 

ثم ننقر على ايقوتة  File  او نسحبها و سيظهر فى الحالتين فى فى لوحة التصميم  Canvas على اليمين ،

SNAG-0004.jpg.9102ad6f6d394053c1220a2c361c1749.jpg

او كحل ثالث يمكن ان ننقر فى لوحة التصميم بالزر الايمن للماوس و نختار File

SNAG-0014.jpg.0f1093683c6cf4d966f723567c76d5a4.jpg

 

 

2- الخطوة التالية هي تحديد مصدر البيانات الذي سيتم استخدامه ، و هذا بالنقر المزدوج على ايقونه الملف 

SNAG-0015.jpg.67b02622f78d7141a3ec18d9407f8031.jpg

 

 

 

ثم نختار 

Browse documentation Data Sets 

من اسفل الشاشة  و ستظهر الشاشة التالية

مع ملاحظة ان بيانات الملف تظهر بالفعل فى الشاشة السابقة لاني قد سبق لي استخدامه قبل ذلك

SNAG-0005.jpg.15ea1ca6ee5e4b2edb2d2fd62bcdc29e.jpg

 

 

 

و بعد ذلك نختار احدي قواعد البيانات الموجودة مع التطبيق و هي IRIS.tab

,و سنري سويا فى دروس قادمة كيف نستبدلها لملف اكسيل او انواع اخرى من البيانات

 

 

3- الخطوة التالية تهدف لاظهار البيانات الموجودة فى الملف IRIS للتعرف عليها  و لذلك نقوه باختبار المكون (Widget)  المسمى Data Table

و اضافتها الى لوحة التصميم بنفس الطريقة السابقة

SNAG-0006.jpg.de60bb6155a9092255e3156cdebb8a44.jpg

 

 

لتصبح الشاشة كتالي

SNAG-0007.jpg.252bd12b7aa54dd6baa99142e2373daf.jpg

 

 

و يلي ذلك ربط الملف بالبيانات عن طريق سحب القوس الرمادي الخارجي للملف الي ان يتم وصله بالقوس الخارجي الخاص بالداتا

SNAG-0008.jpg.6e34b56c89163914db4ff7ccc524cdcf.jpg

 

و يسمى الشكل السابق الذي يحوي المكونات و قناة الاتصال بينها ب مسار التدفق Workflow

و هكذا نكون قد قمنا بعمل اول مسار تدفقي Workflow  لنا فى برنامج اورانج 

 

و الان نستطيع تصفح البيانات و استعراضها و ذلك  بالنقر المزدوج على جدول البيانات Data Table

SNAG-0009.jpg.63052e3f49ab825d15b22c6810aa4d85.jpg

 

و هذه البيانات تمثل البيانات الخاصة ببعض انواع الزهور من حيث طول الساق و خلافه

 

كما توضح الصورة فإن الsepal هي الأوراق الخضراء الخارجية التي تحيط بالداخلية الملونة و التي تسمي petal أو البتلات ، كما أن iris هي زهرة السوسن

otherparts.gif

و هذا الملف سنسخدمه فى دروس قادمة باذن الله

و تمثل الحقول به ما ما يبدو انه مقاسات لطول و عرض اجزاء من الزهور

و للتعرف اكثر عليها دعونا نراه بصورة بيانية و كما سنلاحظ الرسوم البيانية هذا غاية فى السهولة من حيث الاعداد و التنسيق

و لعمل رسم بياني نختار المكون (Widget)  المسمي Scatter Diagram أو مخطط التشتت

من مجموعة Visualizaition

و الذي يهدف بصفة عامة الي ابراز العلافة بين اي متغيرين

SNAG-0010.jpg.7c124e435a347935185b119a56eb1feb.jpg

 

 

ليصبح شكل لوحة التصميم كالتالي:

SNAG-0011.jpg.9440157f638b335eadd152db7c1be346.jpg

 

 

ثم نصل المكون (Widget) الخاص بالملف بمثيله الخاص  بمخطط التشتت 

SNAG-0016.jpg.b5e90b5d77a616b420910a07caa61b60.jpg

 

 

و بعد ذلك ننقر مرتين على المكون (Widget) الخاص بمخطط التششت ليظهر الرسم البياني التالي

SNAG-0012.jpg.2a35ecf15007ddaf543cfce46278cfdd.jpg

 

 

و يمكن التعرف على الاوامر الموجودة على يسار الشاشة لتغيير شكل و طريقة الرسم بسهولة

و مثلا 

باختيار Sepal Lengh  كنقاط للرسم يظهر الشكل التالي

SNAG-0013.jpg.08095d501292e337246c1cd2f11a467d.jpg

 

 

و بذلك ينتهي الدرس الاول ، و أسأل الله التيسير لاستكمال باقي السلسلة و تعلم و نشر ما يفيد

 

 

 

الدرس الثاني - اضغط هنا

 

www.officena.net

 

SNAG-0008.jpg.bede68ebb388ff1860c045d0227e0bf4.jpg

 

  • Thanks 8
Link to post
Share on other sites

شكرا جزيلا على هذا الموضوع الشيق وأضيف لتحليل البيانات قبل البدأ باستخدام أي برنامج لابد أن نوضح أهمية تحليل البيانات والمنهجية المتبعة والهدف من تحليل البيانات فيه مشكلة في تحميل البيانات إنه لايقبل غير 1 ميجا هحاول أرفعه على أي سيرفر وأشير الماتيريال كامله

six-sigma-dmaic-project-phases-1-728.jpg

Link to post
Share on other sites

وصلني استفسار عن معنيspealو بيتال التي تمثل بياناتها قاعدة البيانات الجاهزة مع التطبيق التي تم استخدامها في المثالotherparts.gif.2d2bb9386fea00384d8de23618931baa.gif

كما توضح الثورة فإن الsepal هي الأوراق الخضراء الخارجية التي تحيط بالداخلية الملونة و التي تسمي petal أو البتلات

كما أن iris هي زهرة السوسن

و بالنسبة الفيديو.  انوي ذلك بإذن الله و لكن بعد طرح كل موضوع لاضيف عليه ما قد يحتاج لتوضيح.  حيث أن تعديل الموضوع أسهل من تعديل الفيديو لذا سأتركه كخطوة تالية و قد أجمع أكثر من درس في فيديو واحد بإذن الله

سأضيف التوضيح السابق على الدرس المنشور بإذن الله تعالى

Link to post
Share on other sites
19 دقائق مضت, mahmoudbanna said:

شكرا جزيلا على هذا الموضوع الشيق وأضيف لتحليل البيانات قبل البدأ باستخدام أي برنامج لابد أن نوضح أهمية تحليل البيانات والمنهجية المتبعة والهدف من تحليل البيانات فيه مشكلة في تحميل البيانات إنه لايقبل غير 1 ميجا هحاول أرفعه على أي سيرفر وأشير الماتيريال كامله

six-sigma-dmaic-project-phases-1-728.jpg

السلام عليكم. اذا كانت المادة العلمية مسموح بمشاركتها يرجى رفعها مؤقتا على اي مكان و سأقوم بنقلها إلي سيرفر الموقع و اعدل الرابط بعد رفعه. و اذا كانت المادة تتعلق بتحليل البيانات بصفة عامة ربما يمكن أضافتها لقسم منهجية البحث العلمي أو الإحصاء.  أو إذا كانت تتعلق بمثال على تطبيق منهجية ٦ سيجما كما يبدو من الرسم  فايضا  يمكن اضافة قسم جديد  بل ٦ سيجما. و من وجهة نظري الأفضل شرحها خطوة بخطوة باللغة العربية في كل الأحوال

مع الشكر و التقدير 

Link to post
Share on other sites
  • 2 years later...
في ٣‏/١٢‏/٢٠١٧ at 12:32, محمد طاهر said:

السلام عليكم. اذا كانت المادة العلمية مسموح بمشاركتها يرجى رفعها مؤقتا على اي مكان و سأقوم بنقلها إلي سيرفر الموقع و اعدل الرابط بعد رفعه. و اذا كانت المادة تتعلق بتحليل البيانات بصفة عامة ربما يمكن أضافتها لقسم منهجية البحث العلمي أو الإحصاء.  أو إذا كانت تتعلق بمثال على تطبيق منهجية ٦ سيجما كما يبدو من الرسم  فايضا  يمكن اضافة قسم جديد  بل ٦ سيجما. و من وجهة نظري الأفضل شرحها خطوة بخطوة باللغة العربية في كل الأحوال

مع الشكر و التقدير 

نرجو اضافة القسم وان شاء الله هيكون افادة للجميع 🙂

Link to post
Share on other sites

Join the conversation

You can post now and register later. If you have an account, sign in now to post with your account.

Guest
Reply to this topic...

×   Pasted as rich text.   Paste as plain text instead

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   Your previous content has been restored.   Clear editor

×   You cannot paste images directly. Upload or insert images from URL.

  • Similar Content

    • By محمد طاهر
      أولا وصلة الدروس السابقة: 
      تطبيق أورانج لتحليل البيانات - الدرس الأول 
      تطبيق أورانج لتحليل البيانات - الدرس الثاني
       
       
      أهلا بكم في الدرس الثالث
       
      اليوم سنستعرض بعض المكونات الإضافية (Widgets) ووسائط الاتصال (Communication Channels)
       
      وقبل ان نبدأ لنتذكر سويا بعض المصطلحات من الدروس السابقة
      ·        مكون: Widget
      ·        مجموعة:Group
      ·        قناة اتصال: Communication Channel
      ·        مسار التدفق: Workflow
      والمسار التدفق هو عبارة عن المكونات وقنوات الاتصال التي تظهر في لوحة التصميم
       
      وذلك كما يوضح الشكل التالي
       
       
      ونلاحظ انه في حالة ان يصبح مسار التدفق معقدا ويحتاج لمساحة كبيرة لترتيبه بطريفة مناسبة، يمكننا ان نقلص المساحة المخصص للمجموعات وذلك بالضغط على
      View
      Expand Tool Doc
      او الضعط على
      CTR+Shift+D

       
       
      فيتم تقليص المساحة كما يظهر في الشكل التالي

       
      ولاعادة المجموعات لوضعها الأصلي، نكرر نفس الخطوات او نضغط
      CTR+Shift+D
      مرة أخرى
       ويمكن إبقاء المجموعات في الوضع المتقلص باستمرار واستخدام زر الماوس الأيمن لاضافة المكونات
       
      والان سنقوم بإضافة مكون ملف جديد وستخدام نفس قاعدة البيانات الخاصة بزهرة السوسن IRIS
       ونضيف مخطط تشتت Scater Plot وجدول بيانات ونصل كل من مكون الملف مع كل من مكون مخطط التشتت وجدول البيانات
       
       
      ولننقر مرتين على من مخطط التشتت وجدول البيانات لنتأكد أولا بان البينات مقروءة بصورة جيدة

       
      والان لنربط مخطط التشتت مع جدول البيانات
      وسنجد ان قناة الاتصال بينهما قد ظهرت عليها عبارة مختلف عن كل ما سبق
      فقد كانت العبارة المعتادة هي Data
      اما الان فتظهر عبارة
      Selected Data – Data subset

       
       ولكن ماذا يعني ذلك ؟
      لتوضيح الامر
      لنختار مجموعة سجلات من جدول البيانات، سنجد أن ذلك ينتج عنه اختيار النقاط المناظرة في مخطط التشتت

       
      وبذلك نكون قد أنشأنا متصفح مرئي للبيانات Visual Data Browser
       
      والان لننقر مرتين على قناة الاتصال بين جدول البيانات ومخطط التشتت
      سنجد أن البرنامج قد استنتج بالفعل أن العلاقة هي علاقة بين مجموعة بيانات (مختارة) من الجدول، واهرى مختارة من مخطط التشتت
       
       
      ويمكننا نغيير ذلك بان نقوم أولا بحذف العلاقة الموجودة
      و يتم حذف اي علاقة بالنقر عليها
      ثم نختار العلاقة بين
      Data and Data subset
      و نلاحظ ان الاختيار يكون بالضغط على زر الماوس الايسر و الاستمرار فى الضغط مع السحب الي حين الوصول لمربع الوجهة
       
       
       وسنجد أن مخطط التشتت يظهر  كافة البيانات بنفس الطريقة ( كلها مختارة) بصرف النظر عن وجود سجلات مختارة من الجدول، أي لا يميز البيانات المختارة كما كان فى الحالة السابقة 
      الحالة الثالثة : اما اذا اخترنا ربط Data  ب Data  فستظهر كافة البيانات دون اختيار اي منها بصرف النظر عن اختيار السجلات فى الجدول

       
      الحالة الرابعة ، هي ان نربط Selected Data ب Data

       
       و هنا سيظهر فى المخطط فقط البيانات المختارة

       
      و هذه هي كل الحالات المتاحة ، جيث لن يسمج البرنامج فى حالة هذا المثال بالربط مع Feature و التي سنتطرق اليها لاحقا فى دروس اخرى.
      و نحن عادة لانحتاج القيام بما سبق كثيرا ، حيث يتعرف البرنامج على نوعية البيانات المطلوب  ربطها بصورة صحيح عند انشاء قناة الاتصال بين مكونين.
       
       
      و هكذا عند الرغبة في إزالة أي قناة اتصال ننقر عليها فيتم ازالتها بسهولة و ذلك باختيارها بالزر الأيمن ثم اختيار
      Remove

       
      وهكذا نكون استعرضنا كيفية إنشاء قنوات الاتصال ببين المكونات
       و بذلك نصل الى نهاية الدرس الثالث
       
      مرفق ملف الاورانج
      Lesson _3.rar
       
       
       
       
       
       
       
       
       
    • By محمد طاهر
      فهرس دورة الأورانج
      تحميل تطبيق أورانج
      تطبيق أورانج لتحليل البيانات - الدرس الأول
      تطبيق أورانج لتحليل البيانات - الدرس الثاني
      تطبيق أورانج لتحليل البيانات - الدرس الثالث
       

    • By محمد طاهر
      تعلم أساسيات تطبيق أورانج – الدرس الثاني
       
      السلام عليكم
      في الدرس السابق تعرفنا إلى كيفية إضافة المكونات Widgets إلى لوحة التصميم وربطها واستعراض البيانات كجداول وكرسم بياني. بما يمثل اول مسار تدفقي لنا في هذه السلسلة من الدروس
      الدرس الأول : من هنا
      اليوم سنكمل رحلتنا مع أساسيات الأورانج و سنبدأ من حيث انتهينا فى الدرس السابق اي اننا لدينا ملف به بالفعل المسار التدفقي الذي تم تصميمه في الدرس السابق. أي سنقوم بإضافة مكون File وربطه  بقاعدة بيانات IRIS و إضافة مكون Data Table و ربطهما و استعراض البيانات
       ليظهر الشكل كما يلي:

       
      و كما اتفقتا في الدرس الماضي ، أن هذه البيانات تمثل الطول و العرض لكل من الأوراق الملونة Petal و الأوراق الخضراء  الخارجية Sepal  لمجموعة من زهرات السوسن و يمثل الحقل IRIS احد الأنواع الفرعية لزهرة السوسن
      ·        IRIS-Setosa
      ·        IRIS-Versiolor
      ·        IRIS-Virginica
      و الان لنستعرض توزيع هذه الخصائص عن طريق مكون (Widget)  المسمي Distribution
      و لنري الان طريقة رابعة لاضافة المكون ، بالإضافة الي الثلاث طرق التي درسناها في الدرس الماضي
      لنسحب الاطار الخارجي لمكون ملف ، و سنجد أن البرنامج يقترح علينا عدد من المكونات الملائمة ، فى نهاية قناة الاتصال  و اذا بدانا في كتابة الاحرف فانه يقوم بفلترة الخيارات كما توضح الصورة التالية ، و عليه لنختار مكون Disctribution
       و في البرنامج يطلق مصطلح قناة الاتصال  على الخط الواصل بين المكونات 
      Communication Channel
      و البرنامج لا يستمح باضافة مكون فى نهاية قناة الاتصال غير متوافق مع المكون الموجود فى بداية الخط


       
       
      و بالنقر علي مكون Distribution  سنجد التوزيع الخاص بكل من هذه الخصائصو يمكنك استعراض توزيع كل من الخصائص باختبارها من مجموعة المتغيرات على يسار الشاشة Varriables

       
      و لمزيد من توضيح مكونات البيانات ، لنضيف مكون مخطط التشتت Scatter plot كما فعلنا في الدرس الأول
        
       
      و لكن هذا المخطط بالوضع الحالي لا يعطي معلومة مفيدة ، حيث أن التداخل بين الأنواع الثلاثة لزهرة السوسن لا يبدو جليا ، و لذلك نضغط على خيار
      Find Informative project
      و الذي يوضح لنا افضل العلاقات بين المتغيرات التي تعطي علاقة واضحة و نختار مثلا العلاقة بين طول و عرض الأوراق الملونة Petal 
      و نلاحظ أن الخيارات مرتبة ترتيب الافضلية فى اضظهار  المعلومات المفيدة و يوضح ذلك الخط البرتقالي اسفل كل خيار

       
        و عليه سيظهر لنا رسم يوضح تصنيفات الازهار الثلاثة بطريقة واضحة  اعتمادا على متغير طول و عرض الورقة Petal Lenght adn Width بحيث تظهر ان اقلها ابعادا هي ال
      ·        IRIS-Setosa
      و التي تظهر باللون الازرق
      و اكبرها ابعادا هي ال  
      ·        IRIS-Virginica 
       و التي تظهر باللون الاخضر
       
      و بذلك يعطينا المخطط مفهوم واضح لاحدى المعلومات الموجودة فى قاعد البيانات

       
      كما يظهر وجود تداخل بين ابعاد
      ·        IRIS-Versiolor
      ·        IRIS-Virginica
       و للتاكد من المعلومة ( أي وجود تماثل بين بعض ابعاد هذين النوعين)
      لنختار بعض نقاط التماس بينها

       
      و ستظهر هذه النقاط معلمة في المخطط

       
      و الان لنضيف مكون Data Table  إضافي ليظهر لنا هذه النقاط المختارة لنتحقق من بياناتها

       
       
      و لنضغط على المكون المضاف أخيرا ، ليظهر لنا فقط بيانات النقاط المختارة في المخطط

       
       
      أي ان الاختيارات في المكونات تظهر اليا في المكونات المرتبطة و هذه خاصية من الخصائص المفيدة التي سنستخدمها كثيرا
      و بمراجعة بيانات النقاط المختارة ، نجد أنها فعلا تخص النوعين المذكورين و ان بياناتها متقاربة
      و سنلاظ أيضا انه كلما غيرنا النقاط المختارة فى مخطط التشتت ، تغيرت البيانات فى هذا الجدول الاخير لتعكس الاختيار
       
      و هكذا نصل الي نهاية الدرس الثاني
       
       مرفق الملف الخاص بالمثال
      Lessons 02 .rar
       
      الدرس الثالث من هنا
       

       
    • By محمد طاهر
      السلام عليكم
      تواكبا مع متطلبات الواقع و المستقبل ، تم افتتاح مجموعة أقسام جديدة تختص بالبحث العلمي و علوم البيانات
      و من ضمنها هذا القسم ، و هو يختص بالمواضيع الخاصة بالذكاء الاصطناعي  Artificial Interlligence و التنقيب فى البيانات Data Mining
      نذكر الزوار الجدد بقواعد المشاركة فى منتدى أوفيسنا ، و من أهمها احترام حقوق الملكية الفكرية و منع نشر أي مواد أو تطبيقات دون موافقة أصحابها.
    • By Dr. Khalid Hamdy
      اخترت أسلوبين لتحليل البيانات لشرحهما والمقارنة بنيهما، والأسلوبين هما التجميع Clustering والتصنيف Classification، والسبب لاختياري هذين الأسلوبين أنني كنت محتار تماما في الفرق بينهما، وبالتالي قرأت عنهما الكثير وتوصلت لفهم بسيط لكل منهما والفرق الأساسي بينهما، ولكي أشرحهما سأقوم باستعراض مثال بسيط معكم.
      تخيل أنك لا تعرف شيء عن المركبات أو السيارات، وتم إعطائك مجموعة كبيرة من البيانات Big Data عن المركبات التي تسير في شوارع مدينتك، وكانت هذه البيانات في صورة جدول يتضمن سعة المحرك باللتر، والزمن الذي تستغرقه المركبة للوصول إلى سرعة 100 كيلومتر/الساعة بالثانية، كما يوضح الرسم البياني أدناه
       

      تذكر أنك لا تعرف شيء عن المركبات، ولا تستطيع أن تحدد نوع المركبة، أو حجمها من البيانات المتاحة، ولكن مطلوب منك تحليل البيانات ومحاولة إيجاد علاقات منطقية بينها.
      هل تستخدم التجميع Clustering أم التصنيف Classification ؟ من المنطقي في هذه الحالة ألا تحاول استخدام التصنيف، فأنت لا تعرف الأصناف الموجودة ومواصفات كل منها، وهذه هي نفس المشكلة التي سيواجهها جهاز الحاسب الآلي الذي يستطيع معالجة البيانات بسرعة ولكن ليس لديه فهم مسبق عن ماهية البيانات.
      وبالتالي يصبح حتميا استخدام التجميع Clustering، وهو عبارة عن تجميع البيانات القريبة من بعضها البعض في مجموعة واحدة Cluster، وإيجاد المتوسط الحسابي لها بحيث تكون النقاط المشمولة في المجموعة أقرب للمتوسط الحسابي للمجموعة الخاصة بها من المتوسط الحسابي لأي مجموعة أخرى، كما يوضح الشكل أدناه.
       

       
      والسؤال الآن، ما الذي استفدناه من هذا التجميع؟ دعونا أولا نسجل بعض الملاحظات عن المجموعات الأربعة التي ظهرت لدينا:
      -       المجموعة 1 تتضمن أكبر عدد من النقاط وتتميز بانخفاض سعة المحرك وارتفاع زمن الوصول إلى 100 كيلومتر/الساعة (أي انخفاض القدرة على التسارع)
      -       المجموعة 2 تتضمن تقريبا أقل عدد من النقاط وتتميز بارتفاع سعة المحرك وانخفاض زمن الوصول إلى 100 كيلومتر/الساعة (أي ارتفاع القدرة على التسارع)
      -       المجموعة 3 تتضمن عدد قليل من النقاط وتتميز بانخفاض سعة المحرك وانخفاض زمن الوصول إلى 100 كيلومتر/الساعة (أي ارتفاع القدرة على التسارع)
      -       المجموعة 4 تتضمن عدد متوسط من النقاط وتتميز بارتفاع سعة المحرك وارتفاع زمن الوصول إلى 100 كيلومتر/الساعة (أي انخفاض القدرة على التسارع)
      دعونا نقوم بتحليل هذه النتائج من وجهة النظر المنطقية:
       

       
      نفترض الآن أنك تريد أن تفهم أسباب منطقية وعدم منطقية النتائج، طبعا ستلجأ لصديق يفهم جيدا في أنواع المركبات وأصنافها، وسيكون رده في الغالب كما يلي:
      ·      المجموعة 1 ذات سعة المحرك المنخفضة والتسارع المنخفض هي السيارات العادية Passenger Vehicles
      ·      المجموعة 2 ذات سعة المحرك المرتفعة والتسارع المرتفع هي السيارات الرياضية Sports Cars
      ·      المجموعة 3 ذات سعة المحرك المنخفضة والتسارع المرتفعة هي الدراجات النارية Motor Cycles
      ·      المجموعة 4 ذات سعة المحرك المرتفعة والتسارع المنخفض هي الشاحنات Trucks
      إذن التجميع لا يبدأ بتصنيفات محددة ولكنه يصل إلى الأصناف من خلال التجميع والتحليل، وطبعا في هذا المثال لم نصل إلى أي اكتشافات أو أنماط جديدة لأننا تطرقنا إلى موضوع مفهوم مسبقا وتصنيفاته معروفة، ولكن فائدة التجميع تظهر في تحليل البيانات غير محددة التصنيف.
      فعلى سبيل المثال لو توفرت لديك معلومات عن أعمار المتسوقين وأنواع المشروبات التي يشترونها، يمكنك تجميعها في مجموعات تحدد من خلالها إذا ما كان العمر يؤثر على اختيار المشروب، ونوعية المشروب المفضل لفئات عمرية محددة، وبالتالي يتم توجيه المواد الإعلانية للأشخاص طبقا لاختياراتهم المسبقة.
      دعونا الآن نتطرق إلى التصنيف، وسنستخدم نفس مثال المركبات، في هذه الحالة قبل أن تبدأ في تحليل البيانات ستسأل صديقك خبير المركبات عن الأصناف المختلفة للمركبات، وفي الغالب سيعطيك جدول بالأصناف المختلفة كما يلي:
       

       
      وستقوم بناء على هذه الجدول تصنيف المركبات إلى الأصناف الأربعة كما يوضح الرسم التالي:
       
       
       
      أو بمعني آخر
       
       
       
      العيب الرئيسي للتصنيف أنه قد يمنعك من اكتشاف علاقات جديدة بين البيانات
       
      أرجو أن أكون قد تمكنت من توضيح الفرق بين التجميع والتصنيف،
      والله ولي التوفيق دائما
       
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...