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


=========================================================
تحويل ميزة التجزئة باستخدام الأشجار العشوائية تمامًا
=========================================================

يوفر RandomTreesEmbedding طريقة لتعيين البيانات إلى تمثيل
متناثر عالي الأبعاد، والذي قد يكون مفيدًا للتصنيف.
التعيين غير خاضع للإشراف تمامًا وفعال للغاية.

يوضح هذا المثال الأقسام التي قدمتها العديد من
الأشجار ويوضح كيف يمكن أيضًا استخدام التحويل لتقليل الأبعاد
غير الخطي أو التصنيف غير الخطي.

غالبًا ما تشترك النقاط المتجاورة في نفس ورقة الشجرة، وبالتالي تشترك في أجزاء
كبيرة من تمثيلها المجزأ. يسمح هذا بفصل دائرتين متحدة المركز ببساطة
بناءً على المكونات الأساسية للبيانات المحولة باستخدام SVD المقطوع.

في المساحات عالية الأبعاد، غالبًا ما تحقق المصنفات الخطية
دقة ممتازة. بالنسبة للبيانات الثنائية المتناثرة، فإن BernoulliNB
مناسب بشكل خاص. تقارن الصف السفلي حد
القرار الذي تم الحصول عليه بواسطة BernoulliNB في المساحة المحولة
مع غابات ExtraTreesClassifier التي تم تعلمها على البيانات
الأصلية.

.. GENERATED FROM PYTHON SOURCE LINES 26-112



.. image-sg:: /auto_examples/ensemble/images/sphx_glr_plot_random_forest_embedding_001.png
   :alt: البيانات الأصلية (2d), Truncated SVD reduction (2d) للبيانات المحولة (74d), Naive Bayes على البيانات المحولة, تنبؤات ExtraTrees
   :srcset: /auto_examples/ensemble/images/sphx_glr_plot_random_forest_embedding_001.png
   :class: sphx-glr-single-img





.. code-block:: Python


    # Authors: The scikit-learn developers
    # SPDX-License-Identifier: BSD-3-Clause

    import matplotlib.pyplot as plt
    import numpy as np

    from sklearn.datasets import make_circles
    from sklearn.decomposition import TruncatedSVD
    from sklearn.ensemble import ExtraTreesClassifier, RandomTreesEmbedding
    from sklearn.naive_bayes import BernoulliNB

    # إنشاء مجموعة بيانات اصطناعية
    X, y = make_circles(factor=0.5, random_state=0, noise=0.05)

    # استخدام RandomTreesEmbedding لتحويل البيانات
    hasher = RandomTreesEmbedding(n_estimators=10, random_state=0, max_depth=3)
    X_transformed = hasher.fit_transform(X)

    # تصور النتيجة بعد تقليل الأبعاد باستخدام SVD المقطوع
    svd = TruncatedSVD(n_components=2)
    X_reduced = svd.fit_transform(X_transformed)

    # تعلم مصنف Naive Bayes على البيانات المحولة
    nb = BernoulliNB()
    nb.fit(X_transformed, y)


    # تعلم ExtraTreesClassifier للمقارنة
    trees = ExtraTreesClassifier(max_depth=3, n_estimators=10, random_state=0)
    trees.fit(X, y)


    # مخطط مبعثر للبيانات الأصلية والمختزلة
    fig = plt.figure(figsize=(9, 8))

    ax = plt.subplot(221)
    ax.scatter(X[:, 0], X[:, 1], c=y, s=50, edgecolor="k")
    ax.set_title("البيانات الأصلية (2d)")
    ax.set_xticks(())
    ax.set_yticks(())

    ax = plt.subplot(222)
    ax.scatter(X_reduced[:, 0], X_reduced[:, 1], c=y, s=50, edgecolor="k")
    ax.set_title(
        "Truncated SVD reduction (2d) للبيانات المحولة (%dd)" % X_transformed.shape[1]
    )
    ax.set_xticks(())
    ax.set_yticks(())

    # ارسم القرار في المساحة الأصلية. لذلك، سنقوم بتعيين لون
    # لكل نقطة في الشبكة [x_min, x_max]x[y_min, y_max].
    h = 0.01
    x_min, x_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5
    y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

    # تحويل الشبكة باستخدام RandomTreesEmbedding
    transformed_grid = hasher.transform(np.c_[xx.ravel(), yy.ravel()])
    y_grid_pred = nb.predict_proba(transformed_grid)[:, 1]

    ax = plt.subplot(223)
    ax.set_title("Naive Bayes على البيانات المحولة")
    ax.pcolormesh(xx, yy, y_grid_pred.reshape(xx.shape))
    ax.scatter(X[:, 0], X[:, 1], c=y, s=50, edgecolor="k")
    ax.set_ylim(-1.4, 1.4)
    ax.set_xlim(-1.4, 1.4)
    ax.set_xticks(())
    ax.set_yticks(())

    # تحويل الشبكة باستخدام ExtraTreesClassifier
    y_grid_pred = trees.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]

    ax = plt.subplot(224)
    ax.set_title("تنبؤات ExtraTrees")
    ax.pcolormesh(xx, yy, y_grid_pred.reshape(xx.shape))
    ax.scatter(X[:, 0], X[:, 1], c=y, s=50, edgecolor="k")
    ax.set_ylim(-1.4, 1.4)
    ax.set_xlim(-1.4, 1.4)
    ax.set_xticks(())
    ax.set_yticks(())

    plt.tight_layout()
    plt.show()




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

   **Total running time of the script:** (0 minutes 0.455 seconds)


.. _sphx_glr_download_auto_examples_ensemble_plot_random_forest_embedding.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_random_forest_embedding.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_random_forest_embedding.ipynb
        :alt: Launch JupyterLite
        :width: 150 px

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

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

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

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

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

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


.. include:: plot_random_forest_embedding.recommendations


.. only:: html

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

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