PyData Jeddah

#كل_عام_وانتم_بخير #عيد_الفطر_المبارك

#رمضان_كريم #RamadanMubarak

ونشكر أيضًا شركة مُزن @Mozn_ai على دعمها الدائم في رعاية هذا الحدث!

شكرًا للمهندس إياد على الحوار الممتع والمعلومات الشيقة المفيدة 🙌🏽

الحمد لله أنهينا يوم السبت لقائنا المثري مع @eyadsibai واللي كان بعنوان: "أنابيب تعلم الآلة باستخدام pandas و scikit-learn" شكراً لكم ، أبهرتمونا بجميل حضوركم ولنا لقاءات مثمرة قادمة إن شاء لله ✨

انضموا معانا السبت الجاي في لقائنا الحضوري الثاني في جدة! ✨ حنستضيف إياد السباعي @eyadsibai عشان يشارك معانا خبرته في بناء أنابيب تعلم الآلة باستخدام مكتبتي pandas و scikit-learn 🚀 في انتظاركم يوم ١٤ يناير من الساعة ٧ إلى ٩ مساءً 🗓️ بادروا بالتسجيل🔗: meetup.com/pydata_jeddah/eve…

بعد ذلك، نقوم بحفظ قيم التنبؤ الخاصة بكل نموذج ومن ثم مقارنتها بالقيم الحقيقية (بالأزرق). وأيضا مقارنة نتائج متوسط الخطأ التربيعي (MSE) و الجذر له (RMSE)، حيث يتضح تفوق ARIMA (بالأحمر) على نموذج Prophet (بالأصفر).

ثانيًا، نقوم بنمذجة البيانات أيضا بعد تقسيمها إلى بيانات للتدريب وللاختبار. باستخدام Prophet ، يمكن رسم قيم النموذج بالإضافة إلى فترات الثقة والتي تحدد افتراضيًا ب 80%.

أداة Prophet تقوم بعملية النمذجة والتنبؤ تلقائيًا بدون تدخل مباشر من المستخدم. 🧑‍💻 البيانات المستخدمة في هذا المثال هي بيانات المؤشر العام للسوق السعودي (TASI) محدثة للعام 2022 🪙

استكمالا لحديثنا السابق عن تحليل السلاسل الزمنية 📈 تعرفنا أولًا على نماذج ARIMA والتي تعد من أهم طرق التحليل والتنبؤ بالسلاسل الزمنية. اليوم سنقوم بمقارنة هذه النماذج مع أداة حديثة هي Prophet ، والتي أطلقتها #Meta أو ما تعرف سابقًا ب Facebook وكيفية تطبيقها باستخدام #Python

إذا شغلنا الآن دالة ال Mutual Information على بيانات درجات الطلاب، سوف نجد أنها حَسبت العلاقة بين جميع بيانات الطلاب وبين درجاتهم النهائية، كما أننا سنلاحظ أن العمر هو صاحب أقوى علاقة مع الدرجة النهائية. تذكر 📝: أن قيم هذا المقياس تتراوح بين صفر (ليس هناك علاقة) وما لانهاية.

لكن قبل ذلك، خلونا نجهز البيانات بتطبيق ال Label Encoding على البيانات الوصفية لدينا. يقوم ال Label Encoder بتحويل الأنواع في البيانات الوصفية إلى أرقام. على سبيل المثال، عند تطبيقه على المتغير ولي الأمر سيستبدل الأم بصفر، الأب بواحد، وشخص آخر باثنين.

تقدم مكتبة scikit-learn دالتين لحساب Mutual Information هما mutual_info_classif و mutual_info_regression بناء على نوع المتغير المستهدف في البيانات إذا كان وصفيًا أو كميًا. بما أننا مهتمون في دراسة العلاقة بين درجة الطالب والمتغيرات الأخرى، لذا سنستخدم mutual_info_regression ✨