Skip to main content
Ctrl+K
scikit-learn homepage scikit-learn homepage
  • Install
  • دليل المستخدم
  • API
  • Examples
  • Community
    • البدء
    • Release History
    • Glossary
    • Development
    • FAQ
    • الدعم الفني
    • مشاريع ذات علاقة
    • Roadmap
    • Governance
    • من نحن
  • GitHub
  • Install
  • دليل المستخدم
  • API
  • Examples
  • Community
  • البدء
  • Release History
  • Glossary
  • Development
  • FAQ
  • الدعم الفني
  • مشاريع ذات علاقة
  • Roadmap
  • Governance
  • من نحن
  • GitHub

Section Navigation

  • 1. التعليم الخاضع للإشراف
    • 1.1. النماذج الخطية
    • 1.2. تحليل التمييز الخطي والتربيعي
    • 1.3. انحدار حافة النواة
    • 1.4. آلات الدعم المتجهية (SVM)
    • 1.5. التحسين التدريجي العشوائي
    • 1.6. أقرب الجيران
    • 1.7. العمليات الغاوسية
    • 1.8. التحليل المتقاطع
    • 1.9. خوارزميات بايز الساذجة
    • 1.10. شجرة القرار
    • 1.11. المجموعات: تعزيز التدرج، الغابات العشوائية، التجميع، التصويت، التكديس
    • 1.12. خوارزميات متعددة التصنيف ومتعددة الإخراج
    • 1.13. اختيار الميزات
    • 1.14. التعليم شبه الخاضع للإشراف
    • 1.15. الانحدار المتساوي التوتر
    • 1.16. معايرة الاحتمال
    • 1.17. نماذج الشبكات العصبية (الخاضعة للإشراف)
  • 2. التعليم الغير خاضع للإشراف
    • 2.1. نماذج خليط غاوسي
    • 2.2. تعلم المشعبات
    • 2.3. التجميع
    • 2.4. التجميع الثنائي
    • 2.5. تحليل الإشارات إلى مكونات (مشاكل تحليل المصفوفات)
    • 2.6. تقدير التباين المشترك
    • 2.7. كشف القيم الغريبة والقيم المتطرفة
    • 2.8. تقدير الكثافة
    • 2.9. نماذج الشبكة العصبية (غير خاضعة للإشراف)
  • 3. تقييم وإختيار النموذج
    • 3.1. التحقق المتبادل: تقييم أداء المقدر
    • 3.2. ضبط المعلمات الفائقة لمُقدِّر
    • 3.3. ضبط عتبة القرار لتنبؤ الفئة
    • 3.4. المقاييس والتهديف: تحديد جودة التنبؤات
    • 3.5. منحنيات التحقق من الصحة: رسم الدرجات لتقييم النماذج
  • 4. الفحص
    • 4.1. مخططات الاعتماد الجزئي والتوقع الشرطي الفردي
    • 4.2. أهمية التبديل
  • 5. التصورات المرئية
  • 6. تحويلات مجموعات البيانات
    • 6.1. خطوط الأنابيب والمقدرات المركبة
    • 6.2. استخراج الميزات
    • 6.3. المعالجة المسبقة للبيانات
    • 6.4. تعويض القيم المفقودة
    • 6.5. تخفيض الأبعاد غير الخاضع للإشراف
    • 6.6. الإسقاط العشوائي
    • 6.7. Kernel Approximation
    • 6.8. مقاييس المقارنة الزوجية، والصلات، والنوى (Kernels)
    • 6.9. تحويل هدف التنبؤ (y)
  • 7. مجموعات البيانات التجريبية
  • 8. مجموعات بيانات العالم الحقيقي
  • 9. مجموعات البيانات المُولَّدة
  • 10. تحميل مجموعات بيانات أخرى
  • 11. الحوسبة مع scikit-learn
    • 11.1. استراتيجيات للقياس حسابيًا: بيانات أكبر
    • 11.2. الأداء الحسابي
    • 11.3. التوازي وإدارة الموارد والتهيئة
  • 12. حفظ النموذج
  • 13. المزالق الشائعة والممارسات الموصى بها
  • 14. Dispatching
    • 14.1. دعم المدخلات المتوافقة مع Array API
  • 15. اختيار المقدر المناسب
  • 16. المصادر الخارجية ومقاطع الفيديو والمحادثات
  • دليل المستخدم
  • 11. الحوسبة مع scikit-learn

11. الحوسبة مع scikit-learn#

  • 11.1. استراتيجيات للقياس حسابيًا: بيانات أكبر
    • 11.1.1. التطوير مع حالات باستخدام التعلم خارج النواة
  • 11.2. الأداء الحسابي
    • 11.2.1. زمن الوصول للتنبؤ
    • 11.2.2. إنتاجية التنبؤ
    • 11.2.3. نصائح وحيل
  • 11.3. التوازي وإدارة الموارد والتهيئة
    • 11.3.1. التوازي
    • 11.3.2. مفاتيح التهيئة

السابق

10. تحميل مجموعات بيانات أخرى

التالي

11.1. استراتيجيات للقياس حسابيًا: بيانات أكبر

إظهار المصدر

© Copyright 2007 - 2024, scikit-learn developers (BSD License) ### Translate into Arabic Eng. Ahmed Almaghz - 2024.