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


=====================================================
تصنيف العملية الغاوسية (GPC) على مجموعة بيانات iris
=====================================================

يوضح هذا المثال الاحتمال المتوقع لـ GPC لنواة RBF متناحرة
وغير متناحرة على نسخة ثنائية الأبعاد لمجموعة بيانات iris.
تحصل نواة RBF غير المتناحرة على احتمال هامشي لوغاريتمي أعلى قليلاً
عن طريق تعيين مقاييس طول مختلفة لأبعاد الميزتين.

.. GENERATED FROM PYTHON SOURCE LINES 12-68



.. image-sg:: /auto_examples/gaussian_process/images/sphx_glr_plot_gpc_iris_001.png
   :alt: Isotropic RBF, LML: -48.316, Anisotropic RBF, LML: -47.888
   :srcset: /auto_examples/gaussian_process/images/sphx_glr_plot_gpc_iris_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 import datasets
    from sklearn.gaussian_process import GaussianProcessClassifier
    from sklearn.gaussian_process.kernels import RBF

    # استيراد بعض البيانات للعمل بها
    iris = datasets.load_iris()
    X = iris.data[:, :2]  # نأخذ الميزتين الأوليين فقط.
    y = np.array(iris.target, dtype=int)

    h = 0.02  # حجم الخطوة في الشبكة

    kernel = 1.0 * RBF([1.0])
    gpc_rbf_isotropic = GaussianProcessClassifier(kernel=kernel).fit(X, y)
    kernel = 1.0 * RBF([1.0, 1.0])
    gpc_rbf_anisotropic = GaussianProcessClassifier(kernel=kernel).fit(X, y)

    # إنشاء شبكة للرسم فيها
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

    titles = ["Isotropic RBF", "Anisotropic RBF"]  # عناوين الرسم
    plt.figure(figsize=(10, 5))
    for i, clf in enumerate((gpc_rbf_isotropic, gpc_rbf_anisotropic)):
        # رسم الاحتمالات المتوقعة. لذلك ، سنقوم بتعيين لون
        # لكل نقطة في الشبكة [x_min, m_max]x[y_min, y_max].
        plt.subplot(1, 2, i + 1)

        Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])

        # وضع النتيجة في مخطط ألوان
        Z = Z.reshape((xx.shape[0], xx.shape[1], 3))
        plt.imshow(Z, extent=(x_min, x_max, y_min, y_max), origin="lower")

        # رسم نقاط التدريب أيضًا
        plt.scatter(X[:, 0], X[:, 1], c=np.array(["r", "g", "b"])[y], edgecolors=(0, 0, 0))
        plt.xlabel("طول الكأسية")  # Sepal length
        plt.ylabel("عرض الكأسية")  # Sepal width
        plt.xlim(xx.min(), xx.max())
        plt.ylim(yy.min(), yy.max())
        plt.xticks(())
        plt.yticks(())
        plt.title(
            "%s, LML: %.3f" % (titles[i], clf.log_marginal_likelihood(clf.kernel_.theta))
        )

    plt.tight_layout()
    plt.show()



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

   **Total running time of the script:** (0 minutes 4.662 seconds)


.. _sphx_glr_download_auto_examples_gaussian_process_plot_gpc_iris.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/gaussian_process/plot_gpc_iris.ipynb
        :alt: Launch binder
        :width: 150 px

    .. container:: lite-badge

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

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

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

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

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

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

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


.. include:: plot_gpc_iris.recommendations


.. only:: html

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

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