.. DO NOT EDIT.
.. THIS FILE WAS AUTOMATICALLY GENERATED BY SPHINX-GALLERY.
.. TO MAKE CHANGES, EDIT THE SOURCE PYTHON FILE:
.. "auto_examples/ensemble/plot_adaboost_regression.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_ensemble_plot_adaboost_regression.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_ensemble_plot_adaboost_regression.py:


======================================
انحدار شجرة القرار مع AdaBoost
======================================

شجرة القرار معززة باستخدام خوارزمية AdaBoost.R2 [1]_ على مجموعة بيانات جيبية أحادية البعد مع كمية صغيرة من الضوضاء الغاوسية.
يتم مقارنة 299 دفعة (300 شجرة قرار) مع منظم شجرة قرار واحد. مع زيادة عدد الدفعات، يمكن لمنظم الانحدار أن يلائم المزيد من التفاصيل.

راجع :ref:`sphx_glr_auto_examples_ensemble_plot_hgbt_regression.py` لمثال يبرز فوائد استخدام نماذج الانحدار الأكثر كفاءة مثل :class:`~ensemble.HistGradientBoostingRegressor`.

.. [1] `H. Drucker, "Improving Regressors using Boosting Techniques", 1997.
        <https://citeseerx.ist.psu.edu/doc_view/pid/8d49e2dedb817f2c3330e74b63c5fc86d2399ce3>`_

# %%
# إعداد البيانات
# ------------------
# أولاً، نقوم بإعداد بيانات وهمية بعلاقة جيبية وبعض الضوضاء الغاوسية.

.. GENERATED FROM PYTHON SOURCE LINES 19-32

.. code-block:: Python

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

    import seaborn as sns
    import matplotlib.pyplot as plt
    from sklearn.tree import DecisionTreeRegressor
    from sklearn.ensemble import AdaBoostRegressor
    import numpy as np

    rng = np.random.RandomState(1)
    X = np.linspace(0, 6, 100)[:, np.newaxis]
    y = np.sin(X).ravel() + np.sin(6 * X).ravel() + rng.normal(0, 0.1, X.shape[0])








.. GENERATED FROM PYTHON SOURCE LINES 33-41

التدريب والتنبؤ باستخدام منظمي شجرة القرار و AdaBoost
-----------------------------------------------------------------
الآن، نقوم بتعريف المنظمين وتناسبهم مع البيانات.
ثم نتوقع على تلك البيانات نفسها لنرى مدى ملاءمتها.
المنظم الأول هو `DecisionTreeRegressor` مع `max_depth=4`.
المنظم الثاني هو `AdaBoostRegressor` مع `DecisionTreeRegressor`
ب `max_depth=4` كمتعلم أساسي وسيتم بناؤه مع `n_estimators=300`
من تلك المتعلمات الأساسية.

.. GENERATED FROM PYTHON SOURCE LINES 41-55

.. code-block:: Python



    regr_1 = DecisionTreeRegressor(max_depth=4)

    regr_2 = AdaBoostRegressor(
        DecisionTreeRegressor(max_depth=4), n_estimators=300, random_state=rng
    )

    regr_1.fit(X, y)
    regr_2.fit(X, y)

    y_1 = regr_1.predict(X)
    y_2 = regr_2.predict(X)








.. GENERATED FROM PYTHON SOURCE LINES 56-60

رسم النتائج
--------------------
أخيرًا، نرسم مدى ملاءمة منظمينا،
منظم شجرة القرار المفرد ومنظم AdaBoost، للبيانات.

.. GENERATED FROM PYTHON SOURCE LINES 60-73

.. code-block:: Python



    colors = sns.color_palette("colorblind")

    plt.figure()
    plt.scatter(X, y, color=colors[0], label="training samples")
    plt.plot(X, y_1, color=colors[1], label="n_estimators=1", linewidth=2)
    plt.plot(X, y_2, color=colors[2], label="n_estimators=300", linewidth=2)
    plt.xlabel("data")
    plt.ylabel("target")
    plt.title("Boosted Decision Tree Regression")
    plt.legend()
    plt.show()



.. image-sg:: /auto_examples/ensemble/images/sphx_glr_plot_adaboost_regression_001.png
   :alt: Boosted Decision Tree Regression
   :srcset: /auto_examples/ensemble/images/sphx_glr_plot_adaboost_regression_001.png
   :class: sphx-glr-single-img






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

   **Total running time of the script:** (0 minutes 0.536 seconds)


.. _sphx_glr_download_auto_examples_ensemble_plot_adaboost_regression.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/ensemble/plot_adaboost_regression.ipynb
        :alt: Launch binder
        :width: 150 px

    .. container:: lite-badge

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

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

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

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

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

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

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


.. include:: plot_adaboost_regression.recommendations


.. only:: html

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

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