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


=================================================
SVM-Anova: SVM مع اختيار الميزات أحادية المتغير
=================================================

هذا المثال يوضح كيفية إجراء اختيار الميزات أحادية المتغير قبل تشغيل
SVC (مصنف المتجه الداعم) لتحسين درجات التصنيف. نحن نستخدم
مجموعة بيانات الزهرة (4 ميزات) ونضيف 36 ميزة غير إعلامية. يمكننا أن نجد
أن نموذجنا يحقق أفضل أداء عندما نختار حوالي 10% من الميزات.

.. GENERATED FROM PYTHON SOURCE LINES 12-16

.. code-block:: Python


    # المؤلفون: مطوري سكايلرن
    # معرف الترخيص: BSD-3-Clause








.. GENERATED FROM PYTHON SOURCE LINES 17-19

تحميل بعض البيانات للتجربة
---------------------------

.. GENERATED FROM PYTHON SOURCE LINES 19-29

.. code-block:: Python

    import numpy as np

    from sklearn.datasets import load_iris

    X, y = load_iris(return_X_y=True)

    # إضافة ميزات غير إعلامية
    rng = np.random.RandomState(0)
    X = np.hstack((X, 2 * rng.random((X.shape[0], 36))))








.. GENERATED FROM PYTHON SOURCE LINES 30-32

إنشاء خط الأنابيب
-------------------

.. GENERATED FROM PYTHON SOURCE LINES 32-48

.. code-block:: Python

    from sklearn.feature_selection import SelectPercentile, f_classif
    from sklearn.pipeline import Pipeline
    from sklearn.preprocessing import StandardScaler
    from sklearn.svm import SVC

    # إنشاء تحويل اختيار الميزات، ومقياس، ونسخة من SVM التي
    # نجمعها معًا للحصول على أداة تقدير كاملة

    clf = Pipeline(
        [
            ("anova", SelectPercentile(f_classif)),
            ("scaler", StandardScaler()),
            ("svc", SVC(gamma="auto")),
        ]
    )








.. GENERATED FROM PYTHON SOURCE LINES 49-51

رسم متوسط درجات التحقق الصليبي كدالة لنسبة المئوية للميزات
-----------------------------------------------------------------------

.. GENERATED FROM PYTHON SOURCE LINES 51-71

.. code-block:: Python

    import matplotlib.pyplot as plt

    from sklearn.model_selection import cross_val_score

    score_means = list()
    score_stds = list()
    percentiles = (1, 3, 6, 10, 15, 20, 30, 40, 60, 80, 100)

    for percentile in percentiles:
        clf.set_params(anova__percentile=percentile)
        this_scores = cross_val_score(clf, X, y)
        score_means.append(this_scores.mean())
        score_stds.append(this_scores.std())

    plt.errorbar(percentiles, score_means, np.array(score_stds))
    plt.title("أداء SVM-Anova بتغيير نسبة المئوية للميزات المختارة")
    plt.xticks(np.linspace(0, 100, 11, endpoint=True))
    plt.xlabel("نسبة مئوية")
    plt.ylabel("درجة الدقة")
    plt.axis("tight")
    plt.show()


.. image-sg:: /auto_examples/svm/images/sphx_glr_plot_svm_anova_001.png
   :alt: أداء SVM-Anova بتغيير نسبة المئوية للميزات المختارة
   :srcset: /auto_examples/svm/images/sphx_glr_plot_svm_anova_001.png
   :class: sphx-glr-single-img






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

   **Total running time of the script:** (0 minutes 0.415 seconds)


.. _sphx_glr_download_auto_examples_svm_plot_svm_anova.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/svm/plot_svm_anova.ipynb
        :alt: Launch binder
        :width: 150 px

    .. container:: lite-badge

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

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

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

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

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

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

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


.. include:: plot_svm_anova.recommendations


.. only:: html

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

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