Examples#
This is the gallery of examples that showcase how scikit-learn can be used. Some examples demonstrate the use of the API in general and some demonstrate specific applications in tutorial form. Also check out our user guide for more detailed illustrations.
(المتشعب)التعلم المتعدد#
أمثلة متعلقة بوحدة sklearn.manifold
.

تعلم متعدد الشعب على الأرقام المكتوبة بخط اليد: التضمين الخطي المحلي، Isomap...

خفض اللفافة السويسرية واللفافة السويسرية ذات الثقب
Support Vector Machines (SVM)#
أمثلة تتعلق بوحدة sklearn.svm
.

رسم مخططات لمصنفات SVM المختلفة في مجموعة بيانات الزهرة
أشجار القرار-#
أمثلة تتعلق بوحدة sklearn.tree
.

تشذيب أشجار القرار بعد التدريب باستخدام تقنية تشذيب تعقيد التكلفة

رسم سطح القرار لأشجار القرار المدربة على مجموعة بيانات الزهرة الآرغوانية
أبرز ما جاء في الإصدار#
توضح هذه الأمثلة الميزات الرئيسية لإصدارات scikit-learn.

أبرز الميزات الجديدة في الإصدار 1.5 من scikit-learn
Semi Supervised Classification#
Examples concerning the sklearn.semi_supervised
module.

حدود القرار للمصنفات شبه المُشرفة مقابل SVM على مجموعة بيانات Iris
أقرب الجيران#
أمثلة تتعلق بوحدة sklearn.neighbors
.

الكشف عن البيانات الشاذة باستخدام عامل الانحراف المحلي (LOF)

الكشف عن القيم الشاذة باستخدام عامل الانحراف المحلي (LOF)
أمثلة مبنية على مجموعات بيانات من العالم الحقيقي#
تطبيقات على مشاكل العالم الحقيقي مع مجموعات بيانات متوسطة الحجم أو واجهة مستخدم تفاعلية.

sphx_glr_auto_examples_applications_plot_topics_extraction_with_nmf_lda.py

مثال على التعرف على الوجوه باستخدام الوجوه المميزة وآلات المتجهات الداعمة

sphx_glr_auto_examples_applications_plot_tomography_l1_reconstruction.py
أمثلة مجموعات البيانات#
أمثلة تتعلق بوحدة sklearn.datasets
.

رسم مجموعة بيانات متعددة التصنيفات مُولدة عشوائياً
إختيار الميزة#
أمثلة تتعلق بوحدة sklearn.feature_selection
.
إختيار النموذج#
أمثلة تتعلق بوحدة sklearn.model_selection
.

استراتيجية إعادة الضبط المخصصة للبحث الشبكي مع التحقق المتقاطع

الموازنة بين تعقيد النموذج ودرجة الدقة عبر التحقق المتقاطع

توضيح التقييم متعدد المقاييس على cross_val_score و GridSearchCV

مقارنة البحث العشوائي والبحث الشبكي لتقدير فرط المعلمات
التجميع#
أمثلة تتعلق بوحدة sklearn.cluster
.

sphx_glr_auto_examples_cluster_plot_segmentation_toy.py

sphx_glr_auto_examples_cluster_plot_feature_agglomeration_vs_univariate_selection.py

تحليل السيلويت لتحديد عدد التجمعات في التجميع التجميعي KMeans

مختلف خوارزميات التجميع الهرمي على تضمين ثنائي الأبعاد لمجموعة بيانات الأرقام

sphx_glr_auto_examples_cluster_plot_bisect_kmeans.py

مقارنة خوارزميات التجميع K-Means و MiniBatchKMeans

مقارنة خوارزميات التجميع المختلفة على مجموعات البيانات التجريبية

مقارنة طرق الربط الهرمي المختلفة على مجموعات بيانات تجريبية
التجميع الثنائي#
أمثلة تتعلق بتقنيات التجميع الثنائي.

التجميع الثنائي للمستندات باستخدام خوارزمية التجميع الطيفي المشترك
التحلل المتقاطع#
أمثلة تتعلق بوحدة sklearn.cross_decomposition
.

الانحدار باستخدام المكونات الرئيسية مقابل الانحدار باستخدام المربعات الجزئية
التصنيف#
أمثلة عامة حول خوارزميات التصنيف

Normal, Ledoit-Wolf and OAS Linear Discriminant Analysis for classification

sphx_glr_auto_examples_classification_plot_lda_qda.py
الشبكات العصبية#
أمثلة تتعلق بوحدة sklearn.neural_network
.

تصور أوزان الشبكة العصبية متعددة الطبقات على مجموعة بيانات MNIST

تغيير معامل التنظيم في الشبكة العصبية متعددة الطبقات

مقارنة استراتيجيات التعلم العشوائي لتصنيف الشبكة العصبية متعددة الطبقات
الطرق المتعددة الفئات#
أمثلة تتعلق بوحدة sklearn.multiclass
.

نظرة عامة على الميتا-مقدّرات التدريب متعدد التصنيفات
الطرق المتعددة المخرجات#
أمثلة تتعلق بوحدة sklearn.multioutput
.
العمل مع المستندات النصية#
أمثلة تتعلق بوحدة sklearn.feature_extraction.text
.
الفحص#
أمثلة تتعلق بوحدة sklearn.inspection
.

أهمية التبديل مع الميزات متعددة الخطية أو المرتبطة

أهمية التبديل مقابل أهمية ميزة الغابة العشوائية (MDI)
المعالجة المسبقة للبيانات#
أمثلة تتعلق بوحدة sklearn.preprocessing
.

مقارنة تأثير المقياس المختلف على البيانات مع القيم الشاذة
النماذج الخطية المعممة#
أمثلة تتعلق بوحدة sklearn.linear_model
.

sphx_glr_auto_examples_linear_model_plot_bayesian_ridge_curvefit.py

One-Class SVM مقابل One-Class SVM باستخدام Stochastic Gradient Descent

الاختيار المشترك للميزات باستخدام Lasso متعدد المهام

الانحدار اللوجستي المتناثر متعدد الفئات على 20newgroups

تناسب شبكة مرنة مع مصفوفة جرام مسبقة الحساب وعينات مرجحة

حدود القرار للانحدار متعدد الحدود والانحدار اللوجستي من النوع واحد مقابل البقية

مقارنة بين HuberRegressor و Ridge على مجموعة بيانات تحتوي على قيم شاذة قوية

نموذج لاصو: اختيار النموذج باستخدام معايير AIC-BIC والتحقق المتقاطع
تحليل التركيب#
Decomposition
أمثلة تتعلق بوحدة sklearn.decomposition
.

sphx_glr_auto_examples_decomposition_plot_incremental_pca.py

اختيار النموذج باستخدام التحليل الرئيسي للمكونات الاحتمالي وتحليل العوامل (FA)

تحليل المكونات الرئيسية (PCA) على مجموعة بيانات Iris

مقارنة بين الإسقاط ثنائي الأبعاد للمجموعة البيانات آيريس باستخدام LDA وPCA
تطوير المقدرين#
Developing Estimators
أمثلة تتعلق بتطوير مُقدَر مخصص.
تعويض القيم المفقودة#
أمثلة تتعلق بوحدة sklearn.impute
.

استنتاج القيم المفقودة مع متغيرات من IterativeImputer
تقدير التغاير#
Covariance estimation
أمثلة تتعلق بوحدة sklearn.covariance
.
تقريب النواة#
أمثلة تتعلق بوحدة sklearn.kernel_approximation
.
تمارين تعليمية#
تمارين للدروس التعليمية

التحقق المتقاطع على تمرين مجموعة بيانات مرض السكري
خطوط الأنابيب والمقدرين المركبين#
Pipelines and composite estimators
أمثلة حول كيفية تكوين المحولات وخطوط الأنابيب من مقدرين آخرين. راجع دليل المستخدم.

اختيار تقليل الأبعاد باستخدام Pipeline و GridSearchCV
طرق المجموعة#
Ensemble methods
أمثلة تتعلق بوحدة sklearn.ensemble
.

تحويل ميزة التجزئة باستخدام الأشجار العشوائية تمامًا

رسم أسطح القرار لمجموعات الأشجار على مجموعة بيانات إيريس

رسم احتمالات الفئات المحسوبة بواسطة VotingClassifier

مقارنة الغابات العشوائية ومقدر المخرجات المتعددة التلوي

مقارنة بين المُقدر الفردي والتجميع: تحليل الانحياز والتشتت

مقارنة بين نماذج الغابات العشوائية ورفع التدرج بالرسم البياني
عملية غاوسية للتعلم الآلي#
أمثلة تتعلق بوحدة sklearn.gaussian_process
.

التنبؤ بمستوى ثاني أكسيد الكربون في مجموعة بيانات Mona Loa باستخدام انحدار العملية الغاوسية (GPR)

التنبؤات الاحتمالية مع تصنيف العملية الغاوسية (GPC)

تصنيف العملية الغاوسية (GPC) على مجموعة بيانات iris

توضيح العملية الغاوسية المسبقة واللاحقة لنوى مختلفة

توضيح تصنيف العملية الغاوسية (GPC) على مجموعة بيانات XOR

خطوط تساوي الاحتمال لتصنيف العمليات الغاوسية (GPC)

قدرة انحدار العمليات الغاوسية (GPR) على تقدير مستوى ضوضاء البيانات

مقارنة انحدار kernel ridge وانحدار العمليات الغاوسية
متنوع#
أمثلة متنوعة ومقدمة لـ scikit-learn

حدود جونسون-ليندستراوس للانغماس مع الإسقاطات العشوائية

مقارنة بين الانحدار النووي المنتظم والانحدار الداعم للمتجهات

مقارنة خوارزميات الكشف عن الشذوذ لكشف القيم المتطرفة في مجموعات بيانات تجريبية
معايرة الإحتمالات#
أمثلة توضح معايرة الاحتمالات المتوقعة للمصنفات.
نماذج الخليط الجاوسي#
أمثلة تتعلق بوحدة sklearn.mixture
.

تحليل نوع أولوية التركيز لخوارزمية التباين بايزي غاوسي ميكسشر