توقع سعر المنزل

مشروع "تنبؤ أسعار المنازل" هو نظام يعتمد على تقنيات الذكاء الاصطناعي وتعلم الآلة للتنبؤ بأسعار المنازل استنادًا إلى مجموعة من البيانات الخاصة بالعقارات. يهدف المشروع إلى مساعدة البائعين، المشترين، والوكلاء العقاريين على تقدير الأسعار المستقبلية للمنازل بناءً على عدة عوامل، مثل الموقع، حجم المنزل، عدد الغرف، المساحة الكلية، عمر البناء، وغيرها من الخصائص.

تم استخدام لغة python في هذا المشروع مع العديد من المكتبات لمعالجة البيانات مثل numpy و pandas و مكتبات مثل seaborn و matplotlib لانشاء الصور التوضيحية بالاضافة الي مكتبة sklearn لانشاء نماذج تعلم الالة.

الخطوات الرئيسية في هذا المشروع تتضمن:

- يتم الحصول على البيانات من موقع kaggle.

- تم عمل استكشاف للبيانات عن طريق مكتبة pandas و اتضح وجود علاقة وثيقة بين دخل المنزل و السعر المتوقع لبيعه كما اتضح وجود علاقة طفيفة بين مدي قرب المنزل من الشاطئ و السعر المتوقع للبيع.

- تم استخدام العديد من الرسومات التوضيحة لاكتشاف هذه العلاقات

- تم تنظيف البيانات و ملئ الخانات الفارغة بالمتوسط العددي في حالة كان العمود عددي و اذا كان العمود وصفي تم استخدام اكثر القيم تكرارا

- تحويل البيانات الوصفية الي بيانات عددية حتي يسهل ادخالها لنماذج تعلم الالة

- عمل توحيد قياسي للقيم العددية حتي لا يكون هناك تحيز لعمود عن الاخر

- انشاء نموذجين تعلم الالة و هما Linear Regression و Decision Tree للمقارنة بينهما

- ايجاد افضل قيم لمتغيرات النموذجين عن طريق ال Grid Search و ال Randomized Search

- تم تحقيق دقة 95%

تنظيف البيانات ومعالجتها: تشمل هذه المرحلة التعامل مع القيم المفقودة وتصحيح الأخطاء في البيانات، بالإضافة إلى تحويل البيانات غير الرقمية إلى تنسيق يمكن للنموذج فهمه. و تم استخدام العديد من المكتاب مثل pandas و sklearn

تحليل البيانات الاستكشافي: يتم تحليل البيانات لفهم العلاقات بين المتغيرات المختلفة والتأثيرات التي قد تكون لها على السعر النهائي للمنزل. يُستخدم في هذه المرحلة إحصائيات ورسوم بيانية لتصور البيانات. و تم استخدام مكتاب مثل numpy و pandas

بناء النموذج: يعتمد النموذج عادةً على تقنيات مثل الانحدار الخطي (linear regression) أو شجرة القرارات (decision tree) أو الغابات العشوائية (random forest) لتوقع أسعار المنازل بناءً على الخصائص المدخلة. و تم استخدام مكتبة sklearn

اختبار النموذج: بعد التدريب، يتم اختبار النموذج على مجموعة بيانات جديدة للتحقق من دقته وقدرته على التنبؤ بأسعار المنازل بشكل دقيق.