| 1 | |
| 00:00:02,650 --> 00:00:05,590 | |
| باسم الله والحمد لله والصلاة والسلام على رسول الله | |
| 2 | |
| 00:00:05,590 --> 00:00:11,630 | |
| أهلاً وسهلاً بكم في المحاضرة التالية في مساق تنقيب | |
| 3 | |
| 00:00:11,630 --> 00:00:15,350 | |
| البيانات، نتكلم على الـ Clustering، كنا غطينا في | |
| 4 | |
| 00:00:15,350 --> 00:00:17,530 | |
| chapter الـ Clustering، مفهوم الـ Clustering أنه | |
| 5 | |
| 00:00:17,530 --> 00:00:20,970 | |
| عبارة عن تقسيم الـ Data set اللي موجودة عندي | |
| 6 | |
| 00:00:20,970 --> 00:00:25,570 | |
| لمجموعات بناءً على الـ Similarities أو التشابه ما | |
| 7 | |
| 00:00:25,570 --> 00:00:29,680 | |
| بين الـ Instances اللي موجودة فيها، وذكرنا أن الـ | |
| 8 | |
| 00:00:29,680 --> 00:00:33,140 | |
| Clustering يأخذ واحدة من نوعين: إما Partitional | |
| 9 | |
| 00:00:33,140 --> 00:00:36,540 | |
| Clustering، وهي عبارة عن مجموعة من الـ Clusters أو | |
| 10 | |
| 00:00:36,540 --> 00:00:39,980 | |
| نعم، مجموعة من الـ Clusters اللي بيكون الـ Disjoint | |
| 11 | |
| 00:00:39,980 --> 00:00:42,920 | |
| أو التقاطعات بينهم صفر، ما فيش نقاط مشتركة ما بينهم، | |
| 12 | |
| 00:00:42,920 --> 00:00:48,440 | |
| وبالتالي كل Element موجود في Cluster واحد فقط، وفي | |
| 13 | |
| 00:00:48,440 --> 00:00:51,760 | |
| عندنا، حكينا أنه في عندنا... وشوفنا على المثال هذا | |
| 14 | |
| 00:00:51,760 --> 00:00:56,360 | |
| على مثل Partitional K-means، واتكلمنا عليه بالتفصيل | |
| 15 | |
| 00:00:57,340 --> 00:01:00,400 | |
| في المحاضرة إن شاء الله تعالى، سنتكلم على | |
| 16 | |
| 00:01:00,400 --> 00:01:03,960 | |
| النوع الثاني من الـ Clustering اللي هو الـ | |
| 17 | |
| 00:01:03,960 --> 00:01:08,840 | |
| Hierarchical Clustering، إن شاء الله تعالى، عندما | |
| 18 | |
| 00:01:08,840 --> 00:01:11,580 | |
| نتكلم عن Hierarchical Clustering، يعني أننا نتكلم | |
| 19 | |
| 00:01:11,580 --> 00:01:16,640 | |
| عن Clustering تجميعي، الفكرة فيه أنه عندما نتكلم عن | |
| 20 | |
| 00:01:16,640 --> 00:01:19,560 | |
| Agglomerative، الـ Hierarchical أو الـ Agglomerative | |
| 21 | |
| 00:01:19,560 --> 00:01:24,220 | |
| مترادفان، لأن كل Hierarchical يتعلق بـ Agglomerative | |
| 22 | |
| 00:01:24,220 --> 00:01:28,280 | |
| يعني تجميعي، Agglomerative Clustering عادةً | |
| 23 | |
| 00:01:28,280 --> 00:01:33,440 | |
| نُشير لكل الـ Clustering Algorithms التي تبني على نفس | |
| 24 | |
| 00:01:33,440 --> 00:01:38,200 | |
| المبدأ، وهو تجميع البيانات اللي موجودة عندنا، فكرة | |
| 25 | |
| 00:01:38,200 --> 00:01:41,920 | |
| الـ Agglomerative Clustering بشكل عام، بتتركز أنه | |
| 26 | |
| 00:01:41,920 --> 00:01:47,120 | |
| يبدأ، بيعرف أن كل نقطة كـ Cluster مستقل، وبعد ذلك | |
| 27 | |
| 00:01:47,120 --> 00:01:54,720 | |
| يعمل Merge أو Combine لكل Two Similar Clusters بناءً | |
| 28 | |
| 00:01:54,720 --> 00:01:57,080 | |
| على ايش؟ الـ Similarity، Cluster معناته في عندي | |
| 29 | |
| 00:01:57,080 --> 00:02:00,800 | |
| Similarity Distance أو Similarity Function زي ما | |
| 30 | |
| 00:02:00,800 --> 00:02:04,180 | |
| شوفناها في الـ Partitional، لازم تُطبق عندنا، وهذا | |
| 31 | |
| 00:02:04,180 --> 00:02:08,500 | |
| الـ Similarity Function هي اللي هتكون معيار دمج أو | |
| 32 | |
| 00:02:08,500 --> 00:02:12,660 | |
| قبول، دمج أو رفض دمج الـ Two Clusters اللي | |
| 33 | |
| 00:02:12,660 --> 00:02:17,680 | |
| موجودين عندي، طبعاً، وهذا الكلام بيستمر لحد ما يتوصل | |
| 34 | |
| 00:02:17,680 --> 00:02:25,300 | |
| يتحقق عندي شرط توقف معين، شرط التوقف يكون عبارة عن | |
| 35 | |
| 00:02:25,300 --> 00:02:29,980 | |
| عدد الـ Clusters اللي اتكلمت عليه، أنا بدي أعمل دمج | |
| 36 | |
| 00:02:29,980 --> 00:02:35,040 | |
| دمج دمج لحد ما أوصل لـ 3 Clusters، فعلياً الـ Data اللي | |
| 37 | |
| 00:02:35,040 --> 00:02:38,820 | |
| عندي هتبدأ من واحد واحد واحد واحد، بعد هيك هيبدأ | |
| 38 | |
| 00:02:38,820 --> 00:02:43,900 | |
| يتجمعوا، آخر تجميع اللي ممكن أوصل إليه، هذا مفهوم | |
| 39 | |
| 00:02:43,900 --> 00:02:46,140 | |
| أن يكون عندي 3 Clusters أو 4 Clusters أو 10 | |
| 40 | |
| 00:02:46,140 --> 00:02:49,300 | |
| Clusters حسب الحاجة، وبهيك أنا فعلياً هذا شرطي | |
| 41 | |
| 00:02:49,300 --> 00:02:55,280 | |
| التوقف اللي موجود عندي، أو فعلياً أنا ما ضلّ عندي | |
| 42 | |
| 00:02:55,280 --> 00:02:59,060 | |
| شيء أدمجه، اندمجت كل البيانات لحد ما | |
| 43 | |
| 00:02:59,060 --> 00:03:02,540 | |
| صارت Only One Cluster بيحتوي كل الـ Sub Clusters | |
| 44 | |
| 00:03:02,540 --> 00:03:06,020 | |
| اللي جاية بعد هيك، طبعاً أنا في عندي Linkage | |
| 45 | |
| 00:03:06,020 --> 00:03:10,820 | |
| Criteria أو شرط الدمج، أو سمّيناها Linkage، دلالة على | |
| 46 | |
| 00:03:10,820 --> 00:03:13,760 | |
| أنه أنا فعلياً عندي Clusterين وبدي أربطهم مع بعض، بدي | |
| 47 | |
| 00:03:13,760 --> 00:03:18,860 | |
| أحطهم في قالب أو عفواً في ضمن Boundary واحدة، طبعاً | |
| 48 | |
| 00:03:18,860 --> 00:03:21,420 | |
| عندما أتكلم عن الـ Linkage Criteria أو الـ Linkage | |
| 49 | |
| 00:03:21,420 --> 00:03:25,800 | |
| Function، نفس المصطلح، الـ Similarity Function للـ | |
| 50 | |
| 00:03:25,800 --> 00:03:28,660 | |
| Clusters، بس دائماً عندما أتكلم عن الـ Similarity | |
| 51 | |
| 00:03:28,660 --> 00:03:32,160 | |
| بتكلم عن الـ Distance، عفواً، بتكلم عن الـ Distance | |
| 52 | |
| 00:03:32,160 --> 00:03:36,160 | |
| لكن عندما أتكلم عن الـ Linkage Criteria، بتكلم عن أن | |
| 53 | |
| 00:03:36,160 --> 00:03:41,840 | |
| أنا فعلياً بتكلم عن الـ Clustering، بتكلم عن Linkage | |
| 54 | |
| 00:03:41,840 --> 00:03:45,040 | |
| أو ربط ما بين الـ Clusters، فعلياً أنا بتكلم برضه عن | |
| 55 | |
| 00:03:45,040 --> 00:03:49,410 | |
| الـ Distance، والـ Distance هذه تُقاس مع كل الـ | |
| 56 | |
| 00:03:49,410 --> 00:03:52,090 | |
| Observations أو كل الـ Instances اللي موجودة عندنا، | |
| 57 | |
| 00:03:52,090 --> 00:03:56,390 | |
| وين؟ في داخل الـ Cluster اللي موجود عندنا، فعلياً أنا | |
| 58 | |
| 00:03:56,390 --> 00:04:03,710 | |
| في عندي مجموعة من الـ Linkage Criteria، وهذه الـ | |
| 59 | |
| 00:04:03,710 --> 00:04:07,470 | |
| Linkage Criteria بتحدد فعلياً هل هدول الـ Clusters | |
| 60 | |
| 00:04:07,470 --> 00:04:13,390 | |
| Similar أم لا، وبالتالي، يعني بالخلاصة، فكرة الـ | |
| 61 | |
| 00:04:13,390 --> 00:04:16,590 | |
| Agglomerative أو الـ Hierarchical Clustering بتبدأ | |
| 62 | |
| 00:04:16,590 --> 00:04:20,890 | |
| بأن كل نقطة عبارة عن Cluster مستقل، وبعد هيك بيصير | |
| 63 | |
| 00:04:20,890 --> 00:04:25,810 | |
| ادمج ما بين كل Two Clusters، الشرط للدمج أنه في عندي | |
| 64 | |
| 00:04:25,810 --> 00:04:28,530 | |
| شيء بنسميه الـ Linkage Criteria أو الـ Linkage | |
| 65 | |
| 00:04:28,530 --> 00:04:31,610 | |
| Distance أو الـ Linkage Function اللي هي شرط الدمج | |
| 66 | |
| 00:04:31,610 --> 00:04:36,270 | |
| هنا، وهي عبارة عن Distance Measure، لكن مش مع نقطة، مع | |
| 67 | |
| 00:04:36,270 --> 00:04:39,250 | |
| Cluster، وبالتالي ممكن أنا آخذ نقطة، نُطبق على | |
| 68 | |
| 00:04:39,250 --> 00:04:43,350 | |
| Cluster، ممكن آخذ كل Cluster، وحنشوف الـ Different | |
| 69 | |
| 00:04:43,350 --> 00:04:49,630 | |
| Linkage Criteria اللي موجودة عندنا، نبدأ مع أول الـ | |
| 70 | |
| 00:04:49,630 --> 00:04:54,590 | |
| Linkage Criteria، الـ Criteria اللي هي الـ Criterion | |
| 71 | |
| 00:04:54,590 --> 00:04:57,450 | |
| اللي هي الـ Single، ولما أنا بتكلم على Single | |
| 72 | |
| 00:04:57,450 --> 00:05:04,970 | |
| Linkage، بتكلم أنه أنا فعلياً بدور على أقصر Pair | |
| 73 | |
| 00:05:04,970 --> 00:05:09,500 | |
| يعني بين جُثتين، بأحسن الـ Point اللي أنا فيه، | |
| 74 | |
| 00:05:09,500 --> 00:05:13,940 | |
| عندي Two Clusters، زي... زي ما ال... أوكي، خليني مش | |
| 75 | |
| 00:05:13,940 --> 00:05:17,180 | |
| مشكلة، برجع فيه، عندي أنا هنا Two Clusters، Two | |
| 76 | |
| 00:05:17,180 --> 00:05:20,600 | |
| Clusters، وفي الـ Two Clusters هدول أنا بروح بدور | |
| 77 | |
| 00:05:20,600 --> 00:05:25,220 | |
| على كل النقاط، يعني بحسب النقطة هاي مع كل الـ | |
| 78 | |
| 00:05:25,220 --> 00:05:28,180 | |
| Distances الموجودة، في كل الأحوال يا جماعة الخير الـ | |
| 79 | |
| 00:05:28,180 --> 00:05:34,420 | |
| Distances هتنحسب ما بين كل عناصر الـ Cluster، وكذلك | |
| 80 | |
| 00:05:34,420 --> 00:05:38,380 | |
| High، يعني أنت تخيلها Fully Connected Distances أو | |
| 81 | |
| 00:05:38,380 --> 00:05:41,580 | |
| تخيلوها معايا Fully Connected Area، فبتحسب كل الـ | |
| 82 | |
| 00:05:41,580 --> 00:05:46,920 | |
| Distances اللي موجودة عندنا، الآن الـ Pair، Pair of | |
| 83 | |
| 00:05:46,920 --> 00:05:51,820 | |
| Clusters اللي بيحقق أقصر مسافة بين أي Two Pairs من | |
| 84 | |
| 00:05:51,820 --> 00:05:56,640 | |
| النقاط اللي موجودة عندنا، بأخذه على أنه اللي هو الـ | |
| 85 | |
| 00:05:56,640 --> 00:06:01,360 | |
| يعني عمل Home Dungeon، يعني لو أنا بدي أُعيد تاني، | |
| 86 | |
| 00:06:04,190 --> 00:06:06,570 | |
| لو أنا افترضت أن أنا في عندي Three Different | |
| 87 | |
| 00:06:06,570 --> 00:06:15,230 | |
| Clusters، لو | |
| 88 | |
| 00:06:15,230 --> 00:06:22,170 | |
| كان أنا في عندي Another Cluster، والـ Cluster ده | |
| 89 | |
| 00:06:22,170 --> 00:06:28,230 | |
| فيه مجموعة من النقاط، تبدأ | |
| 90 | |
| 00:06:28,230 --> 00:06:31,170 | |
| المسافات تُحسب ما بين كل النقاط اللي موجودة في كل | |
| 91 | |
| 00:06:31,170 --> 00:06:37,190 | |
| اتجاه، من كل نقطة، الـ Pair of Clusters اللي بتحقق | |
| 92 | |
| 00:06:37,190 --> 00:06:41,910 | |
| أقصر مسافة بين أي نقطتين موجودتين فيهم، بنعتمد أن | |
| 93 | |
| 00:06:41,910 --> 00:06:45,250 | |
| هدول الـ Clusters، في حين أن أنا في عندي هنا في | |
| 94 | |
| 00:06:45,250 --> 00:06:50,490 | |
| Pair بعيد جداً، وأنا ما بدور هون، بدور على أقصر | |
| 95 | |
| 00:06:50,490 --> 00:06:54,850 | |
| المسافات، يعني الآن هدول أقرب نقطتين لبعض، هيهم | |
| 96 | |
| 00:06:54,850 --> 00:07:01,800 | |
| بأقارن المسافة هذه ومسافة هذين، من أقصر المسافة هذه، | |
| 97 | |
| 00:07:01,800 --> 00:07:05,920 | |
| أقصر، معناته هذين الاثنين بنعمل لهم دمج مع بعضهم، | |
| 98 | |
| 00:07:05,920 --> 00:07:09,020 | |
| على أنهم هدول ايش؟ بيصيروا الـ Next Level أو الـ | |
| 99 | |
| 00:07:09,020 --> 00:07:12,940 | |
| Next Cluster، هذه فكرة، كمان مرة، الـ Single Linkage، | |
| 100 | |
| 00:07:12,940 --> 00:07:17,060 | |
| طبعاً احنا ليش بحاول أوضحها هون أكثر لأن فعلياً احنا | |
| 101 | |
| 00:07:17,060 --> 00:07:21,660 | |
| محتاجين نفهمها كويس، لأن أنا فعلياً بدي كل النقاط | |
| 102 | |
| 00:07:21,660 --> 00:07:26,230 | |
| اللي موجودة تكون داخلة في الحسبة، بنرجع كمان مرة في | |
| 103 | |
| 00:07:26,230 --> 00:07:28,970 | |
| عندي أنا Single Linkage، و Single Linkage بعمل | |
| 104 | |
| 00:07:28,970 --> 00:07:32,270 | |
| Combine لـ Two Clusters لما بيكون فيهم الـ Shortest | |
| 105 | |
| 00:07:32,270 --> 00:07:37,610 | |
| Pair، لما يكون في عندي أنا فعلياً ال... هذه البيانات | |
| 106 | |
| 00:07:37,610 --> 00:07:42,390 | |
| تبعتي، أصغر | |
| 107 | |
| 00:07:42,390 --> 00:07:46,630 | |
| ما بين الـ Minimum Distance Between Any Pair، بشرط | |
| 108 | |
| 00:07:46,630 --> 00:07:49,870 | |
| أن هدول الـ Pair ما يكونوش تمدمجهم مسبقاً، طبعاً، | |
| 109 | |
| 00:07:53,060 --> 00:07:58,420 | |
| كمان مرة، لو أنا افترضت أن هنا في عندي Another | |
| 110 | |
| 00:07:58,420 --> 00:08:02,020 | |
| Cluster، و | |
| 111 | |
| 00:08:02,020 --> 00:08:06,580 | |
| الـ Cluster هي وهي النقاط اللي موجودة، دائماً | |
| 112 | |
| 00:08:06,580 --> 00:08:10,900 | |
| دائماً في عملية، وهنا في كمان واحد، دائماً في عملية | |
| 113 | |
| 00:08:10,900 --> 00:08:14,620 | |
| الدمج، بروح | |
| 114 | |
| 00:08:14,620 --> 00:08:18,140 | |
| بدور، لما بتكلم عن الـ Single Linkage، بروح بدور على | |
| 115 | |
| 00:08:18,140 --> 00:08:20,820 | |
| أقصر مسافة، هدول أقرب نقطتين، بحسب الـ Distance بينهم | |
| 116 | |
| 00:08:21,540 --> 00:08:24,920 | |
| هو كيف بده يدور على أنه أقرب نقطتين؟ هو فعلياً بتم | |
| 117 | |
| 00:08:24,920 --> 00:08:28,340 | |
| حسب الـ Distance ما بين كل العناصر اللي في الـ | |
| 118 | |
| 00:08:28,340 --> 00:08:31,800 | |
| Clusters، يعني النقطة هذه مع كل العناصر اللي موجودة | |
| 119 | |
| 00:08:31,800 --> 00:08:37,660 | |
| هنا، وبيعتمد أقصر مسافة، النقطة مع كل العناصر، كل النقاط | |
| 120 | |
| 00:08:37,660 --> 00:08:40,880 | |
| اللي هنا مع كل النقاط اللي هنا، وبيعتمد أقصر مسافة، | |
| 121 | |
| 00:08:40,880 --> 00:08:46,220 | |
| وبالتالي، لو أنا هذه النقطة هيروح يحسبها مع هذول | |
| 122 | |
| 00:08:46,220 --> 00:08:50,440 | |
| كمان، وبيعتمد هذه أقصر مسافة، الآن هي مسافة هذين، | |
| 123 | |
| 00:08:50,440 --> 00:08:54,460 | |
| ثلاثة، هدول أقصر، أقصر واحدة فيهم، هذه، بيروح | |
| 124 | |
| 00:08:54,460 --> 00:09:00,800 | |
| بعمل دمج لمين؟ لهذول، اصحاب Single Linkage، بتمنى | |
| 125 | |
| 00:09:00,800 --> 00:09:02,260 | |
| تكون الفكرة وصلت | |
| 126 | |
| 00:09:12,500 --> 00:09:15,880 | |
| الـ Criterion الثاني اللي موجودة عندي أنا اللي هي | |
| 127 | |
| 00:09:15,880 --> 00:09:21,140 | |
| الـ Average، والـ Average هنا بتتكلم على أنه أنا | |
| 128 | |
| 00:09:21,140 --> 00:09:24,500 | |
| بيعمل Merge لـ Two Clusters، اللي بيكون Shortest | |
| 129 | |
| 00:09:24,500 --> 00:09:28,820 | |
| Average Distance، Shortest Average Distance، يعني | |
| 130 | |
| 00:09:28,820 --> 00:09:36,200 | |
| ايش اللي حيصير؟ بعد ما راح حسب كل الـ Distances بين | |
| 131 | |
| 00:09:36,200 --> 00:09:37,060 | |
| كل النقاط، | |
| 132 | |
| 00:09:58,300 --> 00:10:01,740 | |
| بين كل النقاط، ايش بروح بيساوي؟ بياخد الـ Average | |
| 133 | |
| 00:10:01,740 --> 00:10:05,660 | |
| تبعت الـ Distance، لاحظوا أنا في كل مرة بيعمل | |
| 134 | |
| 00:10:05,660 --> 00:10:09,540 | |
| Marriage لـ Two Clusters فقط، تمام؟ بيعمل Marriage لـ | |
| 135 | |
| 00:10:09,540 --> 00:10:13,680 | |
| Two Clusters فقط، فهو بيروح بيحسب كل الـ Averages أو | |
| 136 | |
| 00:10:13,680 --> 00:10:17,520 | |
| بيحسب كل الـ Distances وبياخد الـ Average في الـ | |
| 137 | |
| 00:10:17,520 --> 00:10:20,080 | |
| Simple Linkage، أو عفواً في الـ Single، أنا غلطان هنا | |
| 138 | |
| 00:10:20,080 --> 00:10:23,260 | |
| في الكتابة، طبعاً Simple Linkage | |
| 139 | |
| 00:10:38,990 --> 00:10:50,390 | |
| Single، Single Linkage، سامحوني، | |
| 140 | |
| 00:10:50,390 --> 00:10:54,090 | |
| هذه أسهل حاجة أعملها الآن، لأن أنا حولت لصورة، و | |
| 141 | |
| 00:10:54,090 --> 00:11:04,190 | |
| ما بدي أرجع أُعيد نفس ال... Okay، Shift | |
| 142 | |
| 00:11:04,190 --> 00:11:08,490 | |
| F5، بنتكلم هنا إنه أنا بتكلم على الـ Single Linkage، | |
| 143 | |
| 00:11:08,490 --> 00:11:12,010 | |
| أخذت أقصر، لكن هون حسبت كل النقاط، وبالتالي أخذت الـ | |
| 144 | |
| 00:11:12,010 --> 00:11:14,570 | |
| Average، عشان إذا حاولت أرسم السهم هون، يمثل للـ | |
| 145 | |
| 00:11:14,570 --> 00:11:21,990 | |
| Center تبع الـ Clusters اللي موجودين عندنا، هذه | |
| 146 | |
| 00:11:21,990 --> 00:11:28,730 | |
| الـ Average، بالنسبة للـ... للـ Complete، بياخد الـ | |
| 147 | |
| 00:11:28,730 --> 00:11:34,150 | |
| Maximum Linkage، بياخد... بيعتمد... من وين؟ أطول... | |
| 148 | |
| 00:11:34,150 --> 00:11:39,200 | |
| أبعد نقطتين، أقصر مسافة بين أبعد نقطتين، بروح، بروح | |
| 149 | |
| 00:11:39,200 --> 00:11:42,100 | |
| مالهم، جنب | |
| 150 | |
| 00:11:43,400 --> 00:11:47,280 | |
| يعني لو أنا أجيت هنا، هذه العناصر اللي موجودة عندنا، | |
| 151 | |
| 00:11:47,280 --> 00:11:50,480 | |
| بحسب كل الـ Distances اللي موجودة عندنا، بكل | |
| 152 | |
| 00:11:50,480 --> 00:11:55,060 | |
| الاتجاهات، مع كل الـ Clusters، هذه أقصر... يعني هدول | |
| 153 | |
| 00:11:55,060 --> 00:11:58,580 | |
| أبعد نقطتين، نعم، لكن هذه الـ Distance اللي بين الـ Two | |
| 154 | |
| 00:11:58,580 --> 00:12:03,040 | |
| Clusters هدول، هي عبارة عن أقصر مسافة، مماثلة مع | |
| 155 | |
| 00:12:03,040 --> 00:12:06,200 | |
| Different Clusters، فبقرر أنه يعمل Merge للـ | |
| 156 | |
| 00:12:06,200 --> 00:12:11,060 | |
| Clusters اللي موجودين عندنا، النوع الثالث اللي هو الـ | |
| 157 | |
| 00:12:11,060 --> 00:12:15,020 | |
| Ward، الـ Ward، الـ Ward، أو الـ Ward، لما أنا | |
| 158 | |
| 00:12:15,020 --> 00:12:21,520 | |
| بتكلم هنا، بتكلم عن الـ Ward، القسم هنا، بدور، النوبة هو | |
| 159 | |
| 00:12:21,520 --> 00:12:27,820 | |
| يعمل Merge لـ Two Clusters، لما يقلل | |
| 160 | |
| 00:12:27,820 --> 00:12:31,160 | |
| الـ Variance بين الـ Clusters الموجودة، يقلل | |
| 161 | |
| 00:12:31,160 --> 00:12:35,080 | |
| الاختلافات بين الـ Clusters، يعني هو الآن بيحسب كل | |
| 162 | |
| 00:12:35,080 --> 00:12:39,460 | |
| النقاط، كل الـ Distances اللي موجودة عنده، بيحسب كل | |
| 163 | |
| 00:12:39,460 --> 00:12:43,380 | |
| الـ Distances وبيحسب كل الـ Distances وبيحاول يشوف | |
| 164 | |
| 00:12:43,380 --> 00:12:48,720 | |
| مين أقرب Cluster في الاختلافات، في الـ Elements اللي | |
| 165 | |
| 00:12:48,720 --> 00:12:53,240 | |
| موجود عنده هون، وبيروح بدمجهم، يعني هو ايش بيروح | |
| 166 | |
| 00:12:53,240 --> 00:12:54,420 | |
| بساوي؟ بكل بساطة، | |
| 167 | |
| 00:12:58,220 --> 00:13:01,320 | |
| بعد ما بيروح بيحسب، بيحسب كل الـ Areas، بيحسب الـ Variance | |
| 168 | |
| 00:13:01,320 --> 00:13:04,540 | |
| هنا، الاختلاف، والـ Variance اللي هنا مع الـ Cluster | |
| 169 | |
| 00:13:04,540 --> 00:13:09,200 | |
| الثالث، الـ Variance وأقل Clusters في اختلاف الـ | |
| 170 | |
| 00:13:09,200 --> 00:13:13,340 | |
| Variance اللي بينهم، بيروح بدمجهم، ليش؟ عشان يحافظ على | |
| 171 | |
| 00:13:13,340 --> 00:13:17,240 | |
| التشابه ما بين الـ Two Different Clusters، يعني أنت | |
| 172 | |
| 00:13:17,240 --> 00:13:21,220 | |
| تخيل أن في عندك Cluster كبير جداً وعندك Cluster | |
| 173 | |
| 00:13:21,220 --> 00:13:25,250 | |
| صغير جداً، هدول الـ Two Clusters صعب أنهم يدمجوا، ليش؟ | |
| 174 | |
| 00:13:25,250 --> 00:13:28,690 | |
| مع الـ Ward، لأنهم فعلياً الـ Variance تبعتهم عالية | |
| 175 | |
| 00:13:28,690 --> 00:13:32,190 | |
| جداً، فهو بيروح بدور على الـ Clusters المشابهة بداخله، | |
| 176 | |
| 00:13:32,190 --> 00:13:36,730 | |
| By Default، بالمناسبة الـ Ward هي الـ Default Linkage | |
| 223 | |
| 00:17:09,140 --> 00:17:12,320 | |
| Hierarchical Clustering نفس.. نفس الكلام، يعني أنه | |
| 224 | |
| 00:17:12,320 --> 00:17:18,240 | |
| يحتاج كل point أن تدخل برحلة أن تصبح cluster مستقلة | |
| 225 | |
| 00:17:18,240 --> 00:17:22,860 | |
| ذاتها، وستنتمي إلى آخر cluster، يعني هذا الفرق الأساسي | |
| 226 | |
| 00:17:22,860 --> 00:17:26,000 | |
| ما بين الـ agglomerative و الـ hierarchical. | |
| 227 | |
| 00:17:26,000 --> 00:17:31,160 | |
| الـ agglomerative فعلياً سيُدمجها لي، لكن في المحصلة | |
| 228 | |
| 00:17:31,160 --> 00:17:34,280 | |
| الأخيرة يا جماعة الخير، أنا حصلت على partitional | |
| 229 | |
| 00:17:34,280 --> 00:17:37,920 | |
| clustering. ملاحظين هنا، الرسمة الأخيرة في step 9 هي | |
| 230 | |
| 00:17:37,920 --> 00:17:41,180 | |
| عبارة عن partitional لأن ليس لديّ عناصر | |
| 231 | |
| 00:17:51,050 --> 00:17:56,350 | |
| لكن في الـ hierarchical، لا، أنا أستطيع أن أحافظ على أن | |
| 232 | |
| 00:17:56,350 --> 00:18:02,330 | |
| العناصر التابعة تكون disjoint حتى مستوى معين. طيب، | |
| 233 | |
| 00:18:02,330 --> 00:18:05,870 | |
| الآن، كما قلنا، هذه هي الرسمة التي يمكنني الاعتماد عليها. | |
| 234 | |
| 00:18:05,870 --> 00:18:09,390 | |
| هو أن أقول أن، والله، هذا ما أفهمه من هذه، أن كل | |
| 235 | |
| 00:18:09,390 --> 00:18:16,390 | |
| واحدة من هذه كانت بهذا الشكل: 1 و 4 اندمجت معهما 2 و | |
| 236 | |
| 00:18:16,390 --> 00:18:22,090 | |
| 8، اندمجت معهما 3 و 5 مستقلة، 0 و 1 و 2 اندمجت معهما 5 | |
| 237 | |
| 00:18:22,090 --> 00:18:28,190 | |
| و 6 و 9، اندمجت معهما 7 و 10، اندمجت معهما 7 و 10 | |
| 238 | |
| 00:18:28,190 --> 00:18:28,470 | |
| اندماجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت | |
| 239 | |
| 00:18:28,470 --> 00:18:28,830 | |
| معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و | |
| 240 | |
| 00:18:28,830 --> 00:18:29,230 | |
| 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت | |
| 241 | |
| 00:18:29,230 --> 00:18:29,590 | |
| 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت | |
| 242 | |
| 00:18:29,590 --> 00:18:33,470 | |
| معهما 7 و 10 اندمجت معهما 7 و 10 اندمجت معهما 7 و | |
| 243 | |
| 00:18:33,470 --> 00:18:39,300 | |
| 10 اندمجت معهما 7 و 10. ولكن لو أخذت نظرة | |
| 244 | |
| 00:18:39,300 --> 00:18:44,920 | |
| جانبية، يعني أنني أتعرف على شئ اسمه الـ | |
| 245 | |
| 00:18:44,920 --> 00:18:49,200 | |
| Dendrogram. الـ Dendrogram عبارة عن رسم تخطيطي يخدمني | |
| 246 | |
| 00:18:49,200 --> 00:18:55,140 | |
| في فهمي للبيانات الموجودة. الـ visualization | |
| 247 | |
| 00:18:55,140 --> 00:18:58,080 | |
| مهم جداً، لكي أستطيع أن أرى وأفهم العناصر التي | |
| 248 | |
| 00:18:58,080 --> 00:19:03,620 | |
| موجودة في موضوع الـ hierarchical clustering، والـ | |
| 249 | |
| 00:19:03,620 --> 00:19:09,000 | |
| dendrogram التي أرغب في تمثيلها، وبالتالي، ولما الـ | |
| 250 | |
| 00:19:09,000 --> 00:19:13,000 | |
| visualization يعطيني detailed view للـ hierarchical | |
| 251 | |
| 00:19:13,000 --> 00:19:16,380 | |
| clustering، فهذا يعني أنها ما زالت في البعدين | |
| 252 | |
| 00:19:16,380 --> 00:19:22,180 | |
| الأساسيين الموجودة، وبالتالي، أنا سأبقى أشتغل، و | |
| 253 | |
| 00:19:22,180 --> 00:19:26,500 | |
| سأبقى أسأل، وسنبقى نحاول أن نرسم الـ Dendrogram. أنتَ | |
| 254 | |
| 00:19:26,500 --> 00:19:30,140 | |
| تخيل الرسمة معي، لو ظهرت معي بهذا الشكل، طبعاً | |
| 255 | |
| 00:19:30,140 --> 00:19:33,640 | |
| هذان الرسمتان للـ Dendrogram هما الأساس الموجود | |
| 256 | |
| 00:19:33,640 --> 00:19:36,640 | |
| عندي هنا. الأولى، كما قلت لك، هي عبارة عن | |
| 257 | |
| 00:19:36,640 --> 00:19:40,420 | |
| الصورة العمودية من فوق، للـ clusters، ورأيت التجميعات | |
| 258 | |
| 00:19:40,420 --> 00:19:45,020 | |
| بينما هنا، أنا أتحدث عن أنني أرى البيانات كلها في | |
| 259 | |
| 00:19:45,020 --> 00:19:49,240 | |
| الـ 2D، أراها من نظرة جانبية، وهذه الرسمة هي عبارة | |
| 260 | |
| 00:19:49,240 --> 00:19:52,520 | |
| عن الـ Dendrogram. الآن، فكرة الـ Dendrogram أو الـ | |
| 261 | |
| 00:19:52,520 --> 00:19:56,120 | |
| Hierarchical Clustering الأساسية هي أنني أستطيع أن أحصي | |
| 262 | |
| 00:19:56,120 --> 00:20:00,680 | |
| على أي عدد من الـ clusters التي أحتاجها، يعني تخيل أنا | |
| 263 | |
| 00:20:00,680 --> 00:20:04,620 | |
| أحتاج three clusters، وسيبقى كل خط عمودي في الرسمة | |
| 264 | |
| 00:20:04,620 --> 00:20:10,180 | |
| يمثل cluster. أريد three clusters، ها هي. أريد اثنين، | |
| 265 | |
| 00:20:10,180 --> 00:20:16,120 | |
| ها هما. لاحظ؟ لماذا؟ لأنها فعلياً هذه كلها مع بعضها | |
| 266 | |
| 00:20:17,510 --> 00:20:21,190 | |
| عبارة عن cluster، وهذه مع بعضها عبارة عن cluster. | |
| 267 | |
| 00:20:21,190 --> 00:20:27,750 | |
| ثانياً، رسمت العمود مع العناصر الموجودة. أريد | |
| 268 | |
| 00:20:27,750 --> 00:20:34,750 | |
| ثلاثة. هذه الثلاثة ستصبح مع بعضها. إذا | |
| 269 | |
| 00:20:34,750 --> 00:20:39,770 | |
| أنا أريد أن أتحدث عن three clusters، يعني هذا واحد، | |
| 270 | |
| 00:20:39,770 --> 00:20:44,030 | |
| العشرة معها طبعاً، اثنان، | |
| 271 | |
| 00:20:48,010 --> 00:20:55,110 | |
| و هذا ثلاثة. هل أريد أكثر؟ نعم، لكن ماذا أريد؟ أن أزال | |
| 272 | |
| 00:20:55,110 --> 00:21:01,330 | |
| الـ scale الخاص بعدد الـ clusters إلى الأسفل، إلى أين؟ | |
| 273 | |
| 00:21:01,330 --> 00:21:10,890 | |
| أريد أن يكون مثلاً، لو أنزلت عدد الـ clusters إلى هنا، | |
| 274 | |
| 00:21:10,890 --> 00:21:14,690 | |
| يعني أنا أتحدث عن single cluster واحد. | |
| 275 | |
| 00:21:17,600 --> 00:21:25,440 | |
| لا، ليس واحداً. الآن، هذا عندك واحد، هذا | |
| 276 | |
| 00:21:25,440 --> 00:21:32,020 | |
| اثنان، هذا ثلاثة، عشرة على حالها، هذا أربعة. أنا هنا | |
| 277 | |
| 00:21:32,020 --> 00:21:37,480 | |
| أتحدث عن four clusters، بناءً على النقطة التي | |
| 278 | |
| 00:21:37,480 --> 00:21:43,410 | |
| اخترتها. أهم شيء في الموضوع أنه أنا فعلياً لما أحصل | |
| 279 | |
| 00:21:43,410 --> 00:21:46,690 | |
| على الـ dendrogram، أستطيع أن أحصل على أي عدد من الـ | |
| 280 | |
| 00:21:46,690 --> 00:21:50,410 | |
| clusters التي أريده. أريد أن أعود مرة أخرى لأقول والله | |
| 281 | |
| 00:21:50,410 --> 00:21:57,490 | |
| أنا هنا أريد.. لو افترضت أنني هنا، هذا الخط | |
| 282 | |
| 00:21:57,490 --> 00:22:03,590 | |
| الخاص بي، عفواً، | |
| 283 | |
| 00:22:03,590 --> 00:22:05,630 | |
| رسمتي غير دقيقة بعض الشيء. | |
| 284 | |
| 00:22:12,280 --> 00:22:15,960 | |
| لو مشيت هنا، وقلت هذا مع الاثنين هنا، أريد | |
| 285 | |
| 00:22:15,960 --> 00:22:22,820 | |
| أن أمشي، okay. | |
| 286 | |
| 00:22:22,820 --> 00:22:26,240 | |
| أفضل من الأول. لو سألتك عند هذا الخط، كم cluster | |
| 287 | |
| 00:22:26,240 --> 00:22:29,940 | |
| أحصل عليه؟ أستطيع أن أقول أنني أتحدث عن four clusters. | |
| 288 | |
| 00:22:29,940 --> 00:22:41,220 | |
| four clusters: هذا واحد، يجمع واحد وأربعة. ثانياً، ايوه، | |
| 289 | |
| 00:22:45,790 --> 00:22:56,350 | |
| الثالث، العشرة وحدها، والرابع، هذه. عفواً، ليس أربعة، | |
| 290 | |
| 00:22:56,350 --> 00:23:03,050 | |
| هذه خمسة، five clusters، خمسة | |
| 291 | |
| 00:23:03,050 --> 00:23:07,890 | |
| clusters. طبعاً، هناك فائدة أخرى من الـ dendrogram، أنا | |
| 292 | |
| 00:23:07,890 --> 00:23:10,810 | |
| أستطيع أن أفهم أنه على الرغم من أن الـ cluster | |
| 293 | |
| 00:23:10,810 --> 00:23:14,590 | |
| الأخير هذا، الذي فيه 7 و 6 و 9، هذه الـ elements | |
| 294 | |
| 00:23:14,590 --> 00:23:16,610 | |
| في نفس الـ cluster، إلا أنه من خلال الـ | |
| 295 | |
| 00:23:16,610 --> 00:23:21,370 | |
| dendrogram، أستطيع أن أفهم أن 6 و 9 instances أقرب | |
| 296 | |
| 00:23:21,370 --> 00:23:26,150 | |
| لبعض من 7. كذلك، 0 و 11 في الـ cluster | |
| 297 | |
| 00:23:26,150 --> 00:23:32,370 | |
| الثالث، و 2 و 8 في الـ cluster الثاني. لكي نستطيع | |
| 298 | |
| 00:23:32,370 --> 00:23:36,790 | |
| أن نطبق هذا المثال، في مثال مشهور جداً أخذته سابقاً من | |
| 299 | |
| 00:23:36,790 --> 00:23:38,990 | |
| الـ slide الخاصة بالدكتور علاء، جزاه الله خيراً، | |
| 300 | |
| 00:23:38,990 --> 00:23:42,230 | |
| المثال | |
| 301 | |
| 00:23:42,230 --> 00:23:49,430 | |
| المشهور أيضاً. أنا لديّ خريطة إيطاليا، وأريد | |
| 302 | |
| 00:23:49,430 --> 00:23:56,280 | |
| أن أعتبر أن المدن هذه بمثابة Clustering، هو أنا الـ | |
| 303 | |
| 00:23:56,280 --> 00:23:59,660 | |
| clusters، وأريد أن أذهب لأعمل بينها merge، لأرى | |
| 304 | |
| 00:23:59,660 --> 00:24:05,020 | |
| أقرب المدن لبعضها، باعتماد على الـ single linkage | |
| 305 | |
| 00:24:05,020 --> 00:24:15,120 | |
| criterion. single linkage criterion. الآن، عفواً، لما | |
| 306 | |
| 00:24:15,120 --> 00:24:19,800 | |
| أنا أتحدث، هذه رموز للولايات أو المدن في إيطاليا. | |
| 307 | |
| 00:24:19,800 --> 00:24:22,980 | |
| طبعاً، من ذهب إلى إيطاليا من بينكم؟ لأن أنتم | |
| 308 | |
| 00:24:22,980 --> 00:24:30,150 | |
| فرحانين. لكن، بالطبع، بارما | |
| 309 | |
| 00:24:30,150 --> 00:24:39,190 | |
| ليست من ضمنها، أو موجودة. هي بارما. طيب، الآن فعلياً، الـ | |
| 310 | |
| 00:24:39,190 --> 00:24:43,710 | |
| contingency matrix، النتيجة التي ستحصل عليها عبارة عن | |
| 311 | |
| 00:24:46,160 --> 00:24:50,160 | |
| Symmetric Matrix، وفيها كل العناصر الموجودة | |
| 312 | |
| 00:24:50,160 --> 00:24:57,900 | |
| عندي هنا. وبناءً عليها، أنا أريد أن أقرر. الآن، بارما، بارما، | |
| 313 | |
| 00:24:57,900 --> 00:25:04,620 | |
| أقصر distance، أين؟ مع من؟ فأنا فعلياً أذهب لأبحث عن | |
| 314 | |
| 00:25:04,620 --> 00:25:09,200 | |
| الـ shortest distance. أنا الآن هنا، okay، 250، وأبدأ | |
| 315 | |
| 00:25:09,200 --> 00:25:13,580 | |
| أن أبحث. لكن، عندما وجدنا أن هناك مسافة أقصر منها موجودة، | |
| 316 | |
| 00:25:13,580 --> 00:25:13,800 | |
| أين؟ | |
| 317 | |
| 00:25:16,920 --> 00:25:23,360 | |
| تربط Milano و TMI و TO، وبالتالي، هذه أقصر | |
| 318 | |
| 00:25:23,360 --> 00:25:26,720 | |
| ملاحظين يا جماعة الخير، أنا رأيت الـ distance مع | |
| 319 | |
| 00:25:26,720 --> 00:25:31,300 | |
| الكل، بين الكل. لم أعتمد السفر، لأنها مدينة مع | |
| 320 | |
| 00:25:31,300 --> 00:25:33,460 | |
| نفسها. لا أريدها cluster مع نفسها، أو الـ | |
| 321 | |
| 00:25:33,460 --> 00:25:38,160 | |
| instance مع نفسها. لكن هنا، ذهبت لأبحث حتى وصلت إلى | |
| 322 | |
| 00:25:38,160 --> 00:25:42,820 | |
| مسافة أصغر، مسافة في كل المسافات الموجودة لديّ | |
| 323 | |
| 00:25:42,820 --> 00:25:52,650 | |
| هنا، وبالتالي، فعلياً هذه المسافة هنا، و | |
| 324 | |
| 00:25:52,650 --> 00:26:01,150 | |
| نفس الكلام، mi مع كل المدن، و fi مع كل المدن، كل الـ | |
| 325 | |
| 00:26:01,150 --> 00:26:07,630 | |
| possible distances حسبتها. يعني، إذا تكلمت من mi | |
| 326 | |
| 00:26:07,630 --> 00:26:18,920 | |
| إلى ba، mi إلى ba، هي ثمانمائة وسبعة وسبعون كيلومتراً. ففي النهاية | |
| 327 | |
| 00:26:18,920 --> 00:26:21,980 | |
| أنا أعتمد فقط على مسافة واحدة فقط، التي هي | |
| 328 | |
| 00:26:21,980 --> 00:26:26,100 | |
| shortest، لأن هذه الـ minimum distance، حسب الـ | |
| 329 | |
| 00:26:26,100 --> 00:26:32,240 | |
| linkage criteria. معناته، أنا سأدمج الـ mi و الـ | |
| 330 | |
| 00:26:32,240 --> 00:26:33,500 | |
| to، تمام. | |
| 331 | |
| 00:26:36,100 --> 00:26:41,560 | |
| وهذا أول cluster حصلت عليه، سأسميه marriage رقم | |
| 332 | |
| 00:26:41,560 --> 00:26:48,520 | |
| 1. ممتاز. فلما أنا أدمج MIT و MIT، MIT MIT MIT MIT MIT | |
| 333 | |
| 00:26:48,520 --> 00:26:49,180 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 334 | |
| 00:26:49,180 --> 00:26:49,760 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 335 | |
| 00:26:49,760 --> 00:26:51,240 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 336 | |
| 00:26:51,240 --> 00:26:51,980 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 337 | |
| 00:26:51,980 --> 00:26:52,080 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 338 | |
| 00:26:52,080 --> 00:26:52,620 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 339 | |
| 00:26:52,620 --> 00:26:52,640 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 340 | |
| 00:26:52,640 --> 00:26:53,360 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 341 | |
| 00:26:53,360 --> 00:26:53,560 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 342 | |
| 00:26:53,560 --> 00:26:53,740 | |
| MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT MIT | |
| 343 | |
| 00:26:53,740 --> 00:26:56,560 | |
| MIT MIT MIT | |
| 344 | |
| 00:27:06,430 --> 00:27:09,370 | |
| ماذا عن علاقة الـ cluster الجديد هذا مع الـ | |
| 345 | |
| 00:27:09,370 --> 00:27:10,950 | |
| elements الأخرى؟ | |
| 346 | |
| 00:27:16,670 --> 00:27:21,730 | |
| إن هذا هو الـ cluster. متفقون؟ الآن، الـ cluster الجديد | |
| 347 | |
| 00:27:21,730 --> 00:27:25,690 | |
| هذا، أنا سأتعامل معه، سأضع له قيمة تمثله، | |
| 348 | |
| 00:27:25,690 --> 00:27:32,230 | |
| تمثل علاقته، لأنه هذا عبارة عن cluster جديد. ما | |
| 349 | |
| 00:27:32,230 --> 00:27:34,290 | |
| هو الـ distance بين هذا الـ cluster وباقي الـ clusters | |
| 350 | |
| 00:27:34,290 --> 00:27:38,770 | |
| الأخرى؟ سآخذ الـ minimum distance ما بين كل | |
| 351 | |
| 00:27:38,770 --> 00:27:43,410 | |
| العناصر الموجودة. بمعنى، أقول كالتالي في السطر | |
| 352 | |
| 00:27:43,410 --> 00:27:53,780 | |
| الأول هنا، لما أريد أن أدمج أي و تي أو مع | |
| 353 | |
| 00:27:53,780 --> 00:27:57,900 | |
| الـ بي إي، هذه التي ستصبح one cluster. يعني هنا | |
| 354 | |
| 00:27:57,900 --> 00:28:06,580 | |
| هذا العمود سيبقى فارغاً مثلاً، وسأضع هنا تي أو و | |
| 355 | |
| 00:28:06,580 --> 00:28:11,120 | |
| مأي. بغض النظر عن من دمجت مع من، ليست قضية كبيرة. | |
| 356 | |
| 00:28:11,120 --> 00:28:17,000 | |
| تمام. الآن، الـ بي إي، لديّ مسافة، لديّ مسافتان، | |
| 357 | |
| 00:28:17,000 --> 00:28:19,740 | |
| أي منهما سآخذ؟ بما أنني ما زلت أعتمد على الـ | |
| 358 | |
| 00:28:19,740 --> 00:28:22,840 | |
| single linkage، معناته أنا سآخذ الـ shortest | |
| 359 | |
| 00:28:22,840 --> 00:28:33,280 | |
| distance. أي منهما أقصر؟ 877 أم 996؟ لا، 877 مع الـ FI. الآن | |
| 360 | |
| 00:28:33,280 --> 00:28:41,920 | |
| الـ FI، لديّ 295 و 400، سأعتمد 295. هذه ستبقى | |
| 361 | |
| 00:28:41,920 --> 00:28:49,960 | |
| صفر، لن تتغير. وحتى التي هي الأقصر. الآن، لديّ 457، | |
| 362 | |
| 00:28:49,960 --> 00:28:53,100 | |
| طبعاً هذا الخام أيضاً، أنا أحتاج أن أنهي منه. جامعة الخير، | |
| 363 | |
| 00:28:53,100 --> 00:28:59,660 | |
| لا تنسوا 754، ولدي 869، | |
| 364 | |
| 00:28:59,660 --> 00:29:06,520 | |
| سأعتمد هذه. ولدي 564، | |
| 365 | |
| 00:29:06,520 --> 00:29:11,930 | |
| سأعتمدها. وبالتالي، الجدول الجديد سيكون بهذا الشكل. | |
| 366 | |
| 00:29:11,930 --> 00:29:17,770 | |
| هذا، باقي الأرقام لم تتغير. أنا أنهيت من الصف والعمود | |
| 367 | |
| 00:29:17,770 --> 00:29:21,890 | |
| الذي كان يمثل الـ TO، واعتمدت على الـ shortest | |
| 368 | |
| 00:29:21,890 --> 00:29:25,090 | |
| distance الموجودة. إن شاء الله لم أخطئ الحساب. | |
| 369 | |
| 00:29:25,090 --> 00:29:29,610 | |
| ثمانمائة وسبعة وسبعون، ثنين، تسعة، خمسة، صفر. | |
| 370 | |
| 00:29:37,510 --> 00:29:41,110 | |
| أول عملية تمت، موجودة عندي، باعتماد على single | |
| 371 | |
| 00:29:41,110 --> 00:29:41,510 | |
| linkage. | |
| 372 | |
| 00:29:44,500 --> 00:29:47,860 | |
| أريد أن أكرر نفس العملية، لأعمل دمج، سأبدأ بالبحث عن | |
| 373 | |
| 00:29:47,860 --> 00:29:52,500 | |
| shortest distance. أي 255 في الصف الأول، هي أقصر | |
| 374 | |
| 00:29:52,500 --> 00:29:57,600 | |
| مسافة حتى اللحظة. 255، | |
| 375 | |
| 00:29:57,600 --> 00:30:05,420 | |
| هي الأقصر. 255، 255، 255 هي الأقصر. معناته، الآن أريد | |
| 376 | |
| 00:30:05,420 --> 00:30:10,920 | |
| أن نعمل دمج ما بين الـ NA و الـ BA. بنفس الكلام | |
| 377 | |
| 00:30:10,920 --> 00:30:22,700 | |
| السابق، سأنتهي من عمود الـ Na وصف الـ Na. تمام، علاقتهما | |
| 378 | |
| 00:30:22,700 --> 00:30:28,580 | |
| ستكون، سنضعهما في عمود واحد، أي distance التي احتفظت | |
| 379 | |
| 00:30:28,580 --> 00:30:33,300 | |
| بهما. الآن، هذه لن تتغير، لأنها ستأتي من العمود الذي | |
| 380 | |
| 00:30:33,300 --> 00:30:40,140 | |
| عندها بـ A، Na. | |
| 381 | |
| 00:30:42,020 --> 00:30:46,560 | |
| صفر. تمام، هذه عندها ستمائة واثنين وستين، ولديّ | |
| 382 | |
| 00:30:46,560 --> 00:30:51,280 | |
| أربعمائة وثمانية وستين. لا، سأعتمد المسافة الأقصر. | |
| 383 | |
| 00:30:51,280 --> 00:30:59,140 | |
| أربعمائة وثمانية وستين، عندها | |
| 384 | |
| 00:30:59,140 --> 00:31:07,240 | |
| ثمانمائة وسبعة وسبعون، وعندها سبعمائة وأربعة وخمسون، | |
| 385 | |
| 00:31:07,240 --> 00:31:15,800 | |
| سأعتمد السبعمائة وأربعة وخمسون. طبعاً، صفها سيلغى عند | |
| 386 | |
| 00:31:15,800 --> 00:31:19,320 | |
| هنا، أربعمائة واثنا عشر، ولدي اثنين وتسعون، سأعتمد | |
| 387 | |
| 00:31:19,320 --> 00:31:24,780 | |
| الاثنين وتسعون. لماذا؟ لأنني مرة أخرى أبحث عن | |
| 388 | |
| 00:31:24,780 --> 00:31:30,300 | |
| الـ single linkage، وبالتالي أنا أخطأت. | |
| 389 | |
| 00:31:37,670 --> 00:31:45,690 | |
| عفواً، أنا أخطأت هنا عند 219، لأنها أقصر. أنا آسف، ليس | |
| 390 | |
| 00:31:45,690 --> 00:31:53,250 | |
| كثيراً، يعني أقول أن الخطأ مردود، إن شاء الله، سأصحح. أقصر | |
| 391 | |
| 00:31:53,250 --> 00:32:04,260 | |
| مسافة لديّ فعلياً هي هذه، |