.. DO NOT EDIT. .. THIS FILE WAS AUTOMATICALLY GENERATED BY SPHINX-GALLERY. .. TO MAKE CHANGES, EDIT THE SOURCE PYTHON FILE: .. "auto_examples/model_selection/plot_cv_predict.py" .. LINE NUMBERS ARE GIVEN BELOW. .. only:: html .. note:: :class: sphx-glr-download-link-note :ref:`Go to the end ` 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_model_selection_plot_cv_predict.py: ==================================== رسم تنبؤات الصندوق الأسود ==================================== هذا المثال يوضح كيفية استخدام :func:`~sklearn.model_selection.cross_val_predict` مع :class:`~sklearn.metrics.PredictionErrorDisplay` لتصور أخطاء التنبؤ. .. GENERATED FROM PYTHON SOURCE LINES 10-14 .. code-block:: Python # المؤلفون: مطوري سكايلرن # معرف الترخيص: BSD-3-Clause .. GENERATED FROM PYTHON SOURCE LINES 15-16 سنقوم بتحميل مجموعة بيانات مرض السكري وإنشاء مثيل لنموذج الانحدار الخطي. .. GENERATED FROM PYTHON SOURCE LINES 16-22 .. code-block:: Python from sklearn.datasets import load_diabetes from sklearn.linear_model import LinearRegression X, y = load_diabetes(return_X_y=True) lr = LinearRegression() .. GENERATED FROM PYTHON SOURCE LINES 23-24 :func:`~sklearn.model_selection.cross_val_predict` يعيد مصفوفة بنفس حجم `y` حيث كل إدخال هو تنبؤ تم الحصول عليه من خلال الصندوق الأسود. .. GENERATED FROM PYTHON SOURCE LINES 24-28 .. code-block:: Python from sklearn.model_selection import cross_val_predict y_pred = cross_val_predict(lr, X, y, cv=10) .. GENERATED FROM PYTHON SOURCE LINES 29-31 بما أن `cv=10`، فهذا يعني أننا قمنا بتدريب 10 نماذج وتم استخدام كل نموذج للتنبؤ على واحدة من الطيات العشر. يمكننا الآن استخدام :class:`~sklearn.metrics.PredictionErrorDisplay` لتصور أخطاء التنبؤ. .. GENERATED FROM PYTHON SOURCE LINES 31-62 .. code-block:: Python # على المحور الأيسر، نرسم القيم الملاحظة :math:`y` مقابل القيم المتوقعة # :math:`\hat{y}` التي تعطيها النماذج. على المحور الأيمن، نرسم # المتبقيات (أي الفرق بين القيم الملاحظة والقيم المتوقعة) مقابل القيم المتوقعة. import matplotlib.pyplot as plt from sklearn.metrics import PredictionErrorDisplay fig, axs = plt.subplots(ncols=2, figsize=(8, 4)) PredictionErrorDisplay.from_predictions( y, y_pred=y_pred, kind="actual_vs_predicted", subsample=100, ax=axs[0], random_state=0, ) axs[0].set_title("القيم الفعلية مقابل القيم المتوقعة") PredictionErrorDisplay.from_predictions( y, y_pred=y_pred, kind="residual_vs_predicted", subsample=100, ax=axs[1], random_state=0, ) axs[1].set_title("المتبقيات مقابل القيم المتوقعة") fig.suptitle("رسم تنبؤات الصندوق الأسود") plt.tight_layout() plt.show() .. image-sg:: /auto_examples/model_selection/images/sphx_glr_plot_cv_predict_001.png :alt: رسم تنبؤات الصندوق الأسود, القيم الفعلية مقابل القيم المتوقعة, المتبقيات مقابل القيم المتوقعة :srcset: /auto_examples/model_selection/images/sphx_glr_plot_cv_predict_001.png :class: sphx-glr-single-img .. GENERATED FROM PYTHON SOURCE LINES 63-65 من المهم ملاحظة أننا استخدمنا :func:`~sklearn.model_selection.cross_val_predict` لأغراض العرض فقط في هذا المثال. .. GENERATED FROM PYTHON SOURCE LINES 65-72 .. code-block:: Python # سيكون من المشكلات تقييم أداء النموذج بشكل كمي من خلال حساب مقياس أداء واحد من التنبؤات المجمعة التي تم إرجاعها بواسطة # :func:`~sklearn.model_selection.cross_val_predict` # عندما تختلف الطيات المختلفة للصندوق الأسود في الحجم والتوزيعات. # يوصى بحساب مقاييس أداء لكل طية باستخدام: # :func:`~sklearn.model_selection.cross_val_score` أو # :func:`~sklearn.model_selection.cross_validate` بدلاً من ذلك. .. rst-class:: sphx-glr-timing **Total running time of the script:** (0 minutes 0.246 seconds) .. _sphx_glr_download_auto_examples_model_selection_plot_cv_predict.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/model_selection/plot_cv_predict.ipynb :alt: Launch binder :width: 150 px .. container:: lite-badge .. image:: images/jupyterlite_badge_logo.svg :target: ../../lite/lab/index.html?path=auto_examples/model_selection/plot_cv_predict.ipynb :alt: Launch JupyterLite :width: 150 px .. container:: sphx-glr-download sphx-glr-download-jupyter :download:`Download Jupyter notebook: plot_cv_predict.ipynb ` .. container:: sphx-glr-download sphx-glr-download-python :download:`Download Python source code: plot_cv_predict.py ` .. container:: sphx-glr-download sphx-glr-download-zip :download:`Download zipped: plot_cv_predict.zip ` .. include:: plot_cv_predict.recommendations .. only:: html .. rst-class:: sphx-glr-signature `Gallery generated by Sphinx-Gallery `_