House_Rent ML

مشروع التنبؤ بأسعار الإيجارات (House Rent Prediction) باستخدام Machine Learning

قمت بتطوير نموذج ذكاء اصطناعي للتنبؤ بأسعار إيجار العقارات اعتمادًا على مجموعة من الخصائص مثل الموقع، عدد الغرف، المساحة، عدد الحمامات، الطابق، نوع العقار، والمرافق المتاحة.

هدف المشروع

بناء نموذج تنبؤي يساعد في:

تقدير السعر العادل للإيجار

دعم قرارات المستثمرين وأصحاب العقارات

مساعدة العملاء في اختيار العقار المناسب بناءً على الميزانية

مراحل تنفيذ المشروع

تحليل البيانات واستكشافها (EDA)

معالجة القيم المفقودة وتنظيف البيانات

Encoding للمتغيرات الفئوية (Location – Furnishing Status – Area Type)

Feature Engineering

Feature Scaling

تقسيم البيانات إلى Train / Test

تجربة عدة خوارزميات انحدار (Regression Models)

تقييم الأداء باستخدام:

MAE

MSE

RMSE

R² Score

النماذج المستخدمة

Linear Regression

Ridge / Lasso Regression

Random Forest Regressor

XGBoost Regressor

Gradient Boosting Regressor

CatBoost Regressor

النتائج

تم اختيار أفضل نموذج بناءً على:

أقل قيمة RMSE

أعلى قيمة R²

قدرة النموذج على التعميم بدون Overfitting

وحقق النموذج أداءً قويًا في توقع الأسعار بدقة قريبة من الأسعار الفعلية.

القيمة المضافة

تحليل شامل للعوامل المؤثرة في السعر

مقارنة بين عدة نماذج واختيار الأفضل

كود منظم وقابل لإعادة الاستخدام

إمكانية تحويل المشروع إلى Web App باستخدام Streamlit