.. DO NOT EDIT.
.. THIS FILE WAS AUTOMATICALLY GENERATED BY SPHINX-GALLERY.
.. TO MAKE CHANGES, EDIT THE SOURCE PYTHON FILE:
.. "auto_examples/cluster/plot_inductive_clustering.py"
.. LINE NUMBERS ARE GIVEN BELOW.

.. only:: html

    .. note::
        :class: sphx-glr-download-link-note

        :ref:`Go to the end <sphx_glr_download_auto_examples_cluster_plot_inductive_clustering.py>`
        to download the full example code. or to run this example in your browser via JupyterLite or Binder

.. rst-class:: sphx-glr-example-title

.. _sphx_glr_auto_examples_cluster_plot_inductive_clustering.py:


====================
التصنيف الاستقرائي
====================

يمكن أن تكون عملية التصنيف مكلفة، خاصة عندما تحتوي مجموعتنا البياناتية على ملايين النقاط البياناتية. العديد من خوارزميات التصنيف ليست :term:`استقرائية`، وبالتالي لا يمكن تطبيقها مباشرة على عينات بيانات جديدة دون إعادة حساب التصنيف، والذي قد يكون غير قابل للحساب. بدلاً من ذلك، يمكننا استخدام التصنيف لتعلم نموذج استقرائي باستخدام مصنف، والذي له عدة فوائد:

- يسمح للتصنيفات بالتوسع والتطبيق على بيانات جديدة
- على عكس إعادة ملاءمة التصنيفات لعينات جديدة، فإنه يضمن اتساق إجراء التصنيف بمرور الوقت
- يسمح لنا باستخدام القدرات الاستدلالية للمصنف لوصف أو شرح التصنيفات

يوضح هذا المثال تنفيذًا عامًا لمصنف ميتا والذي يوسع التصنيف من خلال استنتاج مصنف من تسميات التصنيف.

.. GENERATED FROM PYTHON SOURCE LINES 14-119



.. image-sg:: /auto_examples/cluster/images/sphx_glr_plot_inductive_clustering_001.png
   :alt: Ward Linkage, Unknown instances, Classify unknown instances
   :srcset: /auto_examples/cluster/images/sphx_glr_plot_inductive_clustering_001.png
   :class: sphx-glr-single-img





.. code-block:: Python

    # المؤلفون: مطوري سكايت-ليرن
    # معرف الترخيص: BSD-3-Clause

    import matplotlib.pyplot as plt

    from sklearn.base import BaseEstimator, clone
    from sklearn.cluster import AgglomerativeClustering
    from sklearn.datasets import make_blobs
    from sklearn.ensemble import RandomForestClassifier
    from sklearn.inspection import DecisionBoundaryDisplay
    from sklearn.utils.metaestimators import available_if
    from sklearn.utils.validation import check_is_fitted

    N_SAMPLES = 5000
    RANDOM_STATE = 42


    def _classifier_has(attr):
        """تحقق إذا كان يمكننا تفويض طريقة إلى المصنف الأساسي.

        أولاً، نتحقق من المصنف الملائم الأول إذا كان متاحًا، وإلا فإننا
        نتحقق من المصنف غير الملائم.
        """
        return lambda estimator: (
            hasattr(estimator.classifier_, attr)
            if hasattr(estimator, "classifier_")
            else hasattr(estimator.classifier, attr)
        )


    class InductiveClusterer(BaseEstimator):
        def __init__(self, clusterer, classifier):
            self.clusterer = clusterer
            self.classifier = classifier

        def fit(self, X, y=None):
            self.clusterer_ = clone(self.clusterer)
            self.classifier_ = clone(self.classifier)
            y = self.clusterer_.fit_predict(X)
            self.classifier_.fit(X, y)
            return self

        @available_if(_classifier_has("predict"))
        def predict(self, X):
            check_is_fitted(self)
            return self.classifier_.predict(X)

        @available_if(_classifier_has("decision_function"))
        def decision_function(self, X):
            check_is_fitted(self)
            return self.classifier_.decision_function(X)


    def plot_scatter(X, color, alpha=0.5):
        return plt.scatter(X[:, 0], X[:, 1], c=color, alpha=alpha, edgecolor="k")


    # توليد بعض بيانات التدريب من التصنيف
    X, y = make_blobs(
        n_samples=N_SAMPLES,
        cluster_std=[1.0, 1.0, 0.5],
        centers=[(-5, -5), (0, 0), (5, 5)],
        random_state=RANDOM_STATE,
    )


    # تدريب خوارزمية التصنيف على بيانات التدريب والحصول على تسميات التصنيف
    clusterer = AgglomerativeClustering(n_clusters=3)
    cluster_labels = clusterer.fit_predict(X)

    plt.figure(figsize=(12, 4))

    plt.subplot(131)
    plot_scatter(X, cluster_labels)
    plt.title("Ward Linkage")


    # توليد عينات جديدة ورسمها جنبًا إلى جنب مع مجموعة البيانات الأصلية
    X_new, y_new = make_blobs(
        n_samples=10, centers=[(-7, -1), (-2, 4), (3, 6)], random_state=RANDOM_STATE
    )

    plt.subplot(132)
    plot_scatter(X, cluster_labels)
    plot_scatter(X_new, "black", 1)
    plt.title("Unknown instances")


    # إعلان نموذج التعلم الاستقرائي الذي سيتم استخدامه للتنبؤ بعضوية التصنيف للعينات غير المعروفة
    classifier = RandomForestClassifier(random_state=RANDOM_STATE)
    inductive_learner = InductiveClusterer(clusterer, classifier).fit(X)

    probable_clusters = inductive_learner.predict(X_new)


    ax = plt.subplot(133)
    plot_scatter(X, cluster_labels)
    plot_scatter(X_new, probable_clusters)

    # رسم مناطق القرار
    DecisionBoundaryDisplay.from_estimator(
        inductive_learner, X, response_method="predict", alpha=0.4, ax=ax
    )
    plt.title("Classify unknown instances")

    plt.show()

.. rst-class:: sphx-glr-timing

   **Total running time of the script:** (0 minutes 2.481 seconds)


.. _sphx_glr_download_auto_examples_cluster_plot_inductive_clustering.py:

.. only:: html

  .. container:: sphx-glr-footer sphx-glr-footer-example

    .. container:: binder-badge

      .. image:: images/binder_badge_logo.svg
        :target: https://mybinder.org/v2/gh/scikit-learn/scikit-learn/main?urlpath=lab/tree/notebooks/auto_examples/cluster/plot_inductive_clustering.ipynb
        :alt: Launch binder
        :width: 150 px

    .. container:: lite-badge

      .. image:: images/jupyterlite_badge_logo.svg
        :target: ../../lite/lab/index.html?path=auto_examples/cluster/plot_inductive_clustering.ipynb
        :alt: Launch JupyterLite
        :width: 150 px

    .. container:: sphx-glr-download sphx-glr-download-jupyter

      :download:`Download Jupyter notebook: plot_inductive_clustering.ipynb <plot_inductive_clustering.ipynb>`

    .. container:: sphx-glr-download sphx-glr-download-python

      :download:`Download Python source code: plot_inductive_clustering.py <plot_inductive_clustering.py>`

    .. container:: sphx-glr-download sphx-glr-download-zip

      :download:`Download zipped: plot_inductive_clustering.zip <plot_inductive_clustering.zip>`


.. include:: plot_inductive_clustering.recommendations


.. only:: html

 .. rst-class:: sphx-glr-signature

    `Gallery generated by Sphinx-Gallery <https://sphinx-gallery.github.io>`_