Diamond Price Prediction Model

توقع أسعار الألماس باستخدام نماذج تعلم الآلة (Machine Learning)

في هذا المشروع، قمت بتطوير نموذج ذكي لتوقع سعر الألماس بناءً على خصائصه الفيزيائية والبصرية باستخدام خوارزميات تعلم الآلة، وذلك بعد تنفيذ خطوات دقيقة من معالجة البيانات وتجهيزها للنمذجة.

وصف البيانات:

المجموعة تحتوي على الخصائص التالية لكل قطعة ألماس:

الوزن (carat)

جودة القطع (cut): Fair، Good، Very Good، Premium، Ideal

اللون (color): من J (الأقل) إلى D (الأعلى)

الصفاء (clarity): من I1 (الأقل) إلى IF (الأعلى)

العمق والنسبة السطحية (depth، table)

الأبعاد (x، y، z)

السعر (price) ← المتغير الهدف

️ معالجة البيانات (Preprocessing):

تنظيف القيم الخاطئة والمتطرفة (Outliers)

استخراج ميزة جديدة (volume) من الأبعاد الثلاثة

ترميز الخصائص الفئوية (cut، color، clarity)

توحيد وتقييس البيانات الرقمية (carat، depth، table، volume)

تقسيم البيانات إلى مجموعة تدريب واختبار

? نماذج تعلم الآلة المستخدمة:

Linear Regression

Decision Tree Regressor

K-Nearest Neighbors

XGBoost Regressor

Random Forest Regressor

تم استخدام GridSearchCV للعثور على أفضل إعدادات للنموذج النهائي.

أفضل نتيجة:

النموذج المستخدم: RandomForestRegressor

أفضل المعاملات: n_estimators=200، max_features=3

دقة النموذج (RMSE): 531.00