> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-fbfa8bee.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> توثيق دوال تعلّم الآلة

# دوال تعلّم الآلة

<div id="evalmlmethod">
  ## evalMLMethod
</div>

لإجراء التنبؤ باستخدام نماذج الانحدار المُقدَّرة، تُستخدَم الدالة `evalMLMethod`. راجع الرابط ضمن `linearRegression`.

<div id="stochasticlinearregression">
  ## stochasticLinearRegression
</div>

تُنفِّذ دالة التجميع [stochasticLinearRegression](/ar/reference/functions/aggregate-functions/stochasticLinearRegression) أسلوب الانحدار المتدرّج العشوائي باستخدام نموذج خطي ودالة خسارة MSE. وتستخدم `evalMLMethod` للتنبؤ بالبيانات الجديدة.

<div id="stochasticlogisticregression">
  ## stochasticLogisticRegression
</div>

تُنفِّذ دالة التجميع [stochasticLogisticRegression](/ar/reference/functions/aggregate-functions/stochasticLogisticRegression) أسلوب الهبوط التدريجي العشوائي لمشكلة التصنيف الثنائي. وتستخدم `evalMLMethod` للتنبؤ بالبيانات الجديدة.

<div id="naivebayesclassifier">
  ## naiveBayesClassifier
</div>

يُصنّف النص المُدخل باستخدام نموذج Naive Bayes مع n-grams وتنعيم لابلاس. يجب تهيئة النموذج في ClickHouse قبل استخدامه.

**البنية**

```sql theme={null}
naiveBayesClassifier(model_name, input_text);
```

**الوسائط**

* `model_name` — اسم النموذج المُعَدّ مسبقًا. [String](/ar/reference/data-types/string)
  يجب أن يكون النموذج معرّفًا في ملفات تكوين ClickHouse (انظر أدناه).
* `input_text` — النص المراد تصنيفه. [String](/ar/reference/data-types/string)
  تُعالَج المدخلات تمامًا كما أُدخِلت (مع الحفاظ على حالة الأحرف وعلامات الترقيم).

**القيمة المعادة**

* معرّف الفئة المتوقعة على هيئة عدد صحيح غير موقّع. [UInt32](/ar/reference/data-types/int-uint)
  تتوافق معرّفات الفئات مع التصنيفات المحددة أثناء إنشاء النموذج.

**مثال**

صنّف نصًا باستخدام نموذج لاكتشاف اللغة:

```sql theme={null}
SELECT naiveBayesClassifier('language', 'How are you?');
```

```response theme={null}
┌─naiveBayesClassifier('language', 'How are you?')─┐
│ 0                                                │
└──────────────────────────────────────────────────┘
```

*قد تمثل النتيجة `0` اللغة الإنجليزية، بينما قد تشير `1` إلى الفرنسية — إذ تعتمد دلالات الفئات على بيانات التدريب لديك.*

***

<div id="implementation-details">
  ### تفاصيل التنفيذ
</div>

**الخوارزمية**
تستخدم خوارزمية التصنيف Naive Bayes مع [تنعيم لابلاس](https://en.wikipedia.org/wiki/Additive_smoothing) للتعامل مع تسلسلات n-gram غير المرصودة، وذلك بالاستناد إلى احتمالات n-gram كما هو موضح [هنا](https://web.stanford.edu/~jurafsky/slp3/4.pdf).

**الميزات الرئيسية**

* تدعم تسلسلات n-gram بأي طول
* ثلاثة أوضاع للتقسيم إلى رموز:
  * `byte`: يعمل على البايتات الخام. كل بايت يُعد رمزًا واحدًا.
  * `codepoint`: يعمل على القيم القياسية في Unicode المفككة من UTF‑8. كل نقطة ترميز تُعد رمزًا واحدًا.
  * `token`: يُقسِّم عند تتابعات المسافات البيضاء في Unicode (regex \s+). تكون الرموز سلاسل فرعية غير بيضاء؛ وتُعد علامات الترقيم جزءًا من الرمز إذا كانت ملاصقة له (على سبيل المثال، "you?" يُعد رمزًا واحدًا).

***

<div id="model-configuration">
  ### إعداد النموذج
</div>

يمكنك العثور على شيفرة مصدرية نموذجية لإنشاء نموذج Naive Bayes لاكتشاف اللغة [هنا](https://github.com/nihalzp/ClickHouse-NaiveBayesClassifier-Models).

بالإضافة إلى ذلك، تتوفر نماذج نموذجية وملفات التكوين المرتبطة بها [هنا](https://github.com/nihalzp/ClickHouse-NaiveBayesClassifier-Models/tree/main/models).

فيما يلي مثال على إعداد نموذج Naive Bayes في ClickHouse:

```xml theme={null}
<clickhouse>
    <nb_models>
        <model>
            <name>sentiment</name>
            <path>/etc/clickhouse-server/config.d/sentiment.bin</path>
            <n>2</n>
            <mode>token</mode>
            <alpha>1.0</alpha>
            <priors>
                <prior>
                    <class>0</class>
                    <value>0.6</value>
                </prior>
                <prior>
                    <class>1</class>
                    <value>0.4</value>
                </prior>
            </priors>
        </model>
    </nb_models>
</clickhouse>
```

**معلمات الإعداد**

| المعلمة    | الوصف                                                                                                             | مثال                                                     | الافتراضي    |
| ---------- | ----------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------- | ------------ |
| **name**   | معرّف فريد للنموذج                                                                                                | `language_detection`                                     | *مطلوب*      |
| **path**   | المسار الكامل للملف التنفيذي الخاص بالنموذج                                                                       | `/etc/clickhouse-server/config.d/language_detection.bin` | *مطلوب*      |
| **mode**   | طريقة تجزئة النص:<br />- `byte`: تسلسلات بايت<br />- `codepoint`: نقاط ترميز Unicode<br />- `token`: رموز الكلمات | `token`                                                  | *مطلوب*      |
| **n**      | حجم `n-gram` (في وضع `token`):<br />- `1`=كلمة واحدة<br />- `2`=أزواج كلمات<br />- `3`=ثلاثيات كلمات              | `2`                                                      | *مطلوب*      |
| **alpha**  | معامل تنعيم لابلاس المستخدم أثناء التصنيف لمعالجة سلاسل `n-grams` التي لا تظهر في النموذج                         | `0.5`                                                    | `1.0`        |
| **priors** | احتمالات الفئات (% من المستندات التي تنتمي إلى فئة)                                                               | 60% للفئة 0، 40% للفئة 1                                 | توزيع متساوٍ |

**دليل تدريب النموذج**

**تنسيق الملف**
بتنسيق مقروء بشريًا، بالنسبة إلى `n=1` ووضع `token`، قد يبدو النموذج كما يلي:

```text theme={null}
<class_id> <n-gram> <count>
0 excellent 15
1 refund 28
```

بالنسبة إلى `n=3` ونمط `codepoint`، فقد يبدو الأمر كما يلي:

```text theme={null}
<class_id> <n-gram> <count>
0 exc 15
1 ref 28
```

لا يستخدم ClickHouse التنسيق المقروء للبشر مباشرةً؛ إذ يجب تحويله إلى التنسيق الثنائي الموضّح أدناه.

**تفاصيل التنسيق الثنائي**
يُخزَّن كل `n-gram` كما يلي:

1. `class_id` بحجم 4 بايت (UInt، little-endian)
2. طول بايتات `n-gram` بحجم 4 بايت (UInt، little-endian)
3. بايتات `n-gram` الخام
4. `count` بحجم 4 بايت (UInt، little-endian)

**متطلبات المعالجة المسبقة**
قبل إنشاء النموذج من مجموعة المستندات، يجب إجراء معالجة مسبقة للمستندات لاستخراج `n-grams` وفقًا للقيمتين المحددتين `mode` و`n`. توضّح الخطوات التالية هذه المعالجة المسبقة:

1. **أضف علامات الحدود في بداية كل مستند ونهايته استنادًا إلى وضع تقطيع الرموز:**

   * **Byte**: `0x01` (البداية)، `0xFF` (النهاية)
   * **نقطة ترميز**: `U+10FFFE` (البداية)، `U+10FFFF` (النهاية)
   * **Token**: `<s>` (البداية)، `</s>` (النهاية)

   *ملاحظة:* تُضاف `(n - 1)` من الرموز في كلٍّ من بداية المستند ونهايته.

2. **Example على `n=3` في وضع `token`:**

   * **المستند:** `"ClickHouse is fast"`
   * **تتم معالجته على النحو التالي:** `<s> <s> ClickHouse is fast </s> </s>`
   * **مقاطع `trigram` المُولَّدة:**
     * `<s> <s> ClickHouse`
     * `<s> ClickHouse is`
     * `ClickHouse is fast`
     * `is fast </s>`
     * `fast </s> </s>`

لتبسيط إنشاء النموذج لوضعي `byte` و`codepoint`، قد يكون من المناسب أولًا تقسيم المستند إلى tokens (قائمة من قيم `byte` في وضع `byte`، وقائمة من قيم `codepoint` في وضع `codepoint`). بعد ذلك، أضِف `n - 1` من tokens البداية في أول المستند و`n - 1` من tokens النهاية في آخره. وأخيرًا، أنشئ n-grams واكتبها في الملف المُسلسَل.

***

{/*AUTOGENERATED_START*/}