د. عز عبدالفتاح/ مؤتمر الكويت للعلوم الاحصائية

Dr Ezz H. Abdelfattah

الرحيم الرحمن الله بسملى ويسر ليصدري اشرح رب

أمرىيفقهوا لسانى من عقدة واحلل

قولي

البيانات تنقيب و العصبية الشبكات استخدام حول

برنامج وIBM-SPSS MODELER

معلوماتالى البياناتلتحويل

عبدالفتاح. حسن عز د[email protected]


(2013)


وحزمة ) البيانات وتنقيب العصبية، الشبكات استخدام IBM-SPSSحولModeler )معلومات الى البيانات لتحويل

بالفروع باالستعانه معلومات إلى البيانات تحويل فن هو اآلن االحصاءالعصبية ) الشبكات مثل العلوم من وتنقيب( Neural Networkالحديثة ،

كلمنتين( )Data miningالبيانات ) برنامج مثل اآللية ( Clementineوالحزم باسم ) العصبية(. IBM-SPSS Modelerوالمعروفرسميا الشبكة

الجهاز( ANNاالصطناعية ) لمحاكاة وضعت للمعلومات معالجة نموذج هى . أدوات استخدام على تُبنى البيانات تنقيب بالدماغ البيولوجي العصبي

تكن لم وأنماطصحيحة الكتشافعالقات البيانات لتحليل متطورة . تشمل األدوات هذه البيانات من كبيرة لمجموعات مسبقاً معروفة

اآللي ) التعلم وأساليب رياضية، خوارزميات إحصائية، machineنماذجlearning( .)كليمنتين متكامل( IBM-SPSS Modelerبرنامج آلى برنامج هو

التنقيبعن تقنيات من واسعة مجموعة يوفر البيانات، عن للتنقيبمتكاملة بطريقة الصنع، مسبقة حلول مع جنب إلى جنبا البيانات،

البصرية ) الرؤية خاصعلى بشكل التركيز مع ( visualizationوشاملة، . العصبية، الشبكات حول سريعة دراسة نقدم هنا، االستخدام وسهولة

برنامج و البيانات بعض IBM-SPSS Modelerتنقيب الى باإلضافه ،التطبيقات.

05/03/2023 4Questionnaire Using SPSS Dr Ezz H. Abdelfattah

العلمي البحث خطواتالمشكلة وتحديد فهم

البحث أهداف تحديد

بيانات؟ من سنحتاج مالذىالبيانات؟ كيفسنجمع

ا_ل_ب_ي_ا_ن_ا_ت ا_د_خ_ا_ل_ت_ن_ق_ي_ح_ ا_ل_ب_ي_ا_ن_ا_ت


االصطناعية العصبية الشبكات Artificial Neural Network

البشري • المخالعصبية • الخاليا من جدا كبير عدد من يتكون البشري المخ

العصبونات ) وهذه( neuronsأو البعض، بعضBها مع متصلةخالل من نظائرها من اإلشارات تجمع العصBبية الخاليا

التشBعبات تسمى الدقيقة الهياكل من مجموعة(dendrites.)



االصطناعية • العصبية الشبكاتاالصطناعية )• العصبية للمعلومات( ANNالشبكة معالجة نموذج هي

. الدماغ مثل ، البيولوجي العصبي الجهاز لتقليد وضعت•. المعلومات معالجة نظام بنية هو النموذج هذا من الرئيسي العنصرتدعى • للغاية مترابطة معالجة وحدات من كبير عدد من يتألف وهو

العصبونات ) أو العصبية عقد( )neuronsالخاليا في( nodesأو تعمل. محددة مشاكل حل أجل من انسجام



االصطناعية • العصبية الشبكات بدايةعام • في العصبية الشبكات علوم وارن 1943بدأت من كل نشر عندما ،

هو رائدا بحثا بيتس ووالتر A logical calculus of the ideas"مكلوتشimmanent in nervous activity " "المنطقي والتكامل التفاضل حساب أو

" تماما جديدة حقبة إلى أدي وهذا ، العصبي النشاط في الجوهرية لألفكار. االصطناعي والذكاء الحاسب بحوث في

الشبكة • بناء الممكن من أنه أظهرت أطروحات الحين ذلك منذ وظهرت. والخوارزميات الرياضيات باستخدام العصبية

االصطناعية • العصبية الشبكات الى البشري المخ منوالوصالت • العصبية الخاليا من األساسية الميزات كل استخالص أوال تم

بينها.•. الميزات هذه لمحاكاة كمبيوتر جهاز برمجة يتم ذلك تم أن بمجرد


معلومات • هي العصبية الخاليا عن معلوماتنا ان باعتبارفإن محدودة، لدينا الحاسوبية االمكانات ان وباعتبار جزئيةالعصبية الخاليا لشبكات محاكى نمو مجرد هو النموذج هذا

بين. العالقة يعطي النموذج هذا المدخالتالحقيقيةخالل والمخرجات طريق أوزانمن التنشيط وعن :دالة


االصطناعية • العصبية الشبكات بين الفرقاالنحدار ونماذج

أنها • حيث من االنحدار عن كثيرا تختلف العصبية الشبكةإحصائي توزيع أي تتبع .ال

المخ • وظيفة غرار على نمذجتها يتم العصبية الشبكة .BماطBاألن على التعرف الى تهدف العملية هذه البشري

" . أنه على األمر في نفكر أن يمكن الخطأ أخذ وتقليل." تجربة كل من والتعلم معلومات

االصطناعية • العصبية الشب_كات أنواعيتم • التي العقد من تتكون االصطناعية العصبية الشبكات

فى واحدة ترتيبها في طبقة طبقات أو هذا. عدة يختلف . العصبية الشبكة وتعقيد نوع على اعتمادا البناء


اعتماداً • وخصائصها تسميتها تختلف التي الشبكات من أنواع عدة هناكعدد والشبكات الطبقاتعلى الواحدة الطبقة ذات الشبكات مثل

إلى طبقة من الخاليا وارتباط بنائها أسلوب وعلى الطبقات، متعددةالخلفية، التغذية ذات والشبكات األمامية التغذية ذات شبكات مثل أخرى

خوارزميات مثل تعليمها في المستخدمة الخوارزمية نوع على وكذلكالموجه ) الموجه( )Supervisedالتعليم غير ( Unsupervisedوالتعليم

القسري ) (.Reinforcementوالتعليم


: اقسام ثالثة إلى البيانات تقسيم يتم العملية، هذه تبدأ أن قبلالتدريب االختبار مجموعة أجل وومجموعة من ثالثة مجموعة

النهائي التحقق

على قدرتها هو العصبية الشبكة وجود مزايا من واحدة. البيانات في الخطية غير العالقات التقاط


البيانات تنقيب Data Mining

تؤخذ • على القراراتهل ؟المعلوماتأم البيانات_بناء

أغنياء نكون ،بالبياناتقدفقراء بالمعلوماتولكننا

بتحويل يقوم البيانات تنقيبمعلوماتالى البيانات



تؤخذ • على القراراتهل ؟المعلوماتأم البياناتبناء

بيانات

تنقيب البيانات

القرارات

• In the context of homeland security, data mining can be a potential means to identify terrorist activities, such as money transfers and communications, and to identify and track individual terrorists themselves, such as through travel and immigration records.

األمريكي الكونجرس لتقرير طبقاالقومي، " 2007 األمن سياق في

على القدرة لها البيانات تنقيباإلرهابية األنشطة مثل تحديد ،واالتصاالت األموال وتحديد ، تحويل

اإلرهابيين مثال أنفسهم وتعقب ،خالل و من السفر سجالت

."الهجرة على القراراتتؤخذ • البياناتال المعلوماتبناء



• ) يستخدم ) كبيرة تكون ما غالبا بيانات تحليل هو البيانات تنقيبوتلخيص متوقعة من غير عالقات مفهومة البياناتإليجاد بطرق

الى وتحويلها .معلوماتومفيدةاإلنترنت • تكنولوجيا أخبار لمجلة من( 2001فبراير 8 )ZDNETووفقا انه

لتنقيب الثورية " البياناتالمتوقع التطورات أهم من واحدة تكون أن " ، القادم العقد في

تنقيب MITتكنولوجيا • من البياناتاختارت تكنولوجيات 10كواحدةالعالم تغير أن شأنها من .ناشئة

16

البيانات تنقيب

القرار شجرة

اآللة تعلم

البيانات قواعد اإلحصاء علم

البصرية الرؤية

اإلصطناعى الذكاء

العصبية الشبكات

أخري أنظمة


البيانات تنقيب بعضحزم


كليمنتين

المتكاملة( Clementineكليمينتين )• الحلول شركة قبل من أصال طوّرتفي Integral Solutions Ltd (ISL)المحدودة ُشكلت والتي مBن 1989،

. . زمالء وخمسة مونتجومBري ألن د قبلهدف • كان البداية، تنّقب ISLمن التي للبيانات متكاملة بيئة يبني أن

بدون األعمال، رجال ويفهمها تُستعمل أن يمكن بحيث العمليات . بحثي كمشروع بدأت كليمينتين التقنيين الخبراء على لإلعتماد الحاجة

والصناعة 1992في التجارة قسم قبل من جزئيا مBموّال كان وقد ،في تسويقه بدأ وقد ، المتحدة .1994بالمملكة

اآللة )• لغة استخدام منتجات أوائل من ً واحدا كان machineكليمينتينlearning )غير قبل من تستعمل واجهة له ، االصطناعي للذكاء

السوق. ضمن قيادة مBوقع بسرعة كسبت لذلك كنتيجة الخبراءهذا يومنا الى به إحتُفظ و التجاري،


كليمنتين

شركة • أن باعتبار ً محدودا كان كليمينتين نجاح حال، أية كانت ISLعلىحوالي ) كان موظفيها عدد نسبيا صغيرة ( 40شركة تكافح كانت و ، موظّف

المعلومات ) نظم صناعة عمالقة أمام مميز موقع إليجاد (.ITدائماشركة • عام ISLلشركة SPSSاقتناء جديدة 1998فى ً فرصا فتحت

. قبل من متوفرة تكن لم لكليمينتينعام SPSSشركة • في أّسست كحزمه 1968نفسها مبدئيا سمعتها وكسبت

. اإلحصائيات تلك لتمثيل بيانية تطبيقات الى باالضافة اإلحصائية، للبرامجإمتالك • قبل الحقيقة، لتنقيب ISLلشركة SPSSفي منتجان لديها كان ،

البيانات : • Answer Tree and Neural Connection. ( عصبي وإتّصال أجوبه (شجرة


IBM-SPSS Modeler

عام • شركة 2009فى SPSSشركة IBMاشترتبرنامج االصدار Clementineليحمل من بداية

الحالى 13 اسمه ،IBM-SPSS Modelerعن • التنقيب وأدوات الحديثة التقنيات مع حتى

مثل فان IBM-SPSS Modelerالبيانات، ،البيانات استخراج في العمل فى االساس

على لالستمرارية األعمال محلل دراية يتطلب . الصحيح المسار

stream

Palettes nodes

Clementine واجهة


IBM-SPSS Modelerواجهة

Stream canvas

Palettes

Mangers

Projects


Stream canvas

باستخدام * البيانات ModelerتنقيبIBM-SPSS تشغيل عملية على يركز

العقد، من سلسلة خالل من البياناتتيار ) ك إليها (.streamويشار

تمثل* العقد من السلسلة هذهعلى تنفيذها سيتم التي العمليات

العقد بين الروابط أن حين في البيانات، . البيانات تدفق اتجاه إلى تشير

البيانات* دفق استخدام يمكنك عادة،في البيانات ، SPSS modelerلقراءة

التالعبات من سلسلة خالل من وتشغيلهmanipulations إلى إرساله ثم ومن ،

عارض أو جدول مثل .viewerوجهة،


Stream canvas

أننا افترض المثال، سبيل علىنريد

فنستخدم البيانات مصدر فتح

جديد نريد حقل إضافةفنستخدم

إلى نريد استنادا السجالت تحديدالقيم

الجديد الحقل في الموجودةفنستخدم

جدول نريد في النتائج عرضفنستخدم

الحالة، هذه فيبنا الخاصة البيانات تيار فإن

يكون:


Palettes


البيانات أنواع


Clementine 11.1 Modules (78)


Clementine 12 Modules(89)


IBM-SPSS Modeler 14.2 Modules (99)


4Exploring

Resultالمخرجاتوالتصدير

3Analyzingالتحليل

2Preparingاإلعداد

1Reading

and Storingالقراءة والتخزين

التحليل خطواتباستخدام

IBM-SPSS Modeler


Stage 1 Reading and Storing

باستخدام التحليل خطواتIBM-SPSS Modeler

والتخزين: 1المرحلة القراءة


Stage 2 Preparing Record Operations

اإلعداد : 2المرحلة ) الصفوف ) السجالت اعداد



Stage 2 Preparing Field Operations

اإلعداد : 2المرحلة ) األعمدة ) المتغيرات اعداد




Stage 3 Analyzing Graphs

التحليل: 3المرحلة البيانية الرسومات



Stage 3 Analyzing

Modelingالتحليل: 3المرحلة

البيانية الرسومات



Stage 4 Exploring Results

Output



Stage 4 Exploring Results

Export


باستخدام تجاري IBM-SPSS Modelerمثال) مل_ف القرضالبنكى) ف_ى والمخزن_ة التالي_ة أ_و banloan.sav ال_بيانات

التاب__ع المتغي__ر حي__ث البن__ك، ( س__لفة ه__و الهدف)default: اختيارين أحد له اسمى متغير وهو

القرض تسديد فى سابقا القيمة) التعثر أو( 0ولهالقرض تس_ديد ف_ى س_ابقا التعث_ر القيم_ة) عدم ول_ه

1 . )

معادل__ة ايجاد المطلوباللوجس______تى االنحدار

كمتغي_ر ) defaultلمتغيرل_____ه dependentتاب_____ع

قياساس__مى مس__توى ) التقس______يم ثنائ______ىلباق______ى بالنس______بةالمس____تقلة المتغيرا_ت

(independents )ف_______ى والمتمثل_______ة

المتغيرات:القرضلطال_بىقروض تس_ديد باحتمالي_ة التنب_ؤ م_ع

جدد) منهم) السابقة المتغيرات جمع تم


باستخدام طبي IBM-SPSS Modelerمثال) الثدي) سرطان

ملف ف_ى والمخزن_ة التالي_ة Breast cancer ال_بياناتsurvival.sav التاب_ع المتغي_ر حي_ث ، ) statusهو الهدف)

: ) اختيارين) أحد له اسمى متغير وهو الحالةالسرطان ) بتر القيمة) ( censoredتم أو( 0وله

للمريض ) وفاه القيمة) ( Diedحدثت ( . 1وله تط________بيق المطلوب االنحدار اس_________اليباللوجس_______________تي، العص_____بية والشبكاتلتحي___د القرار وشجرةالت__ى العوام__ل أه__مالوفاة ال________ى تؤديأ___ى معرف___ة وكذل___ك

أفضل األساليب


البيانات األساسية


االنحدار تطبيقاللوجستي


الشبكات تطبيقالعصبية


شجرة تطبيقالقرار


اآلداء تطبيق مؤشرالموحد

2013

الرحيم الرحمن الله بسمعليم ” علم ذي كل “وفوق

الفتاح. عبد حسن عز دDr Ezz H. Abdelfattah

د. عز عبدالفتاح/ مؤتمر الكويت للعلوم الاحصائية

Education