التنبؤ بمبيعات العقارات مع XGBoost
تفاصيل العمل
يتنبأ هذا المشروع بمبيعات الوحدات الشهرية وأسعارها لمنتج عقاري باستخدام بيانات المبيعات التاريخية وتقنيات التعلم الآلي. تم بناء النموذج باستخدام XGBoost، وتم تعزيزه بهندسة ميزات ذكية لتتبع الاتجاهات، وزخم المبيعات، والتقلبات الموسمية.
---
## ملخص المشروع
باستخدام بيانات منظمة واقعية من عام ٢٠٢٤، يتنبأ هذا الدفتر بأداء المبيعات والأسعار لشهر يناير ٢٠٢٥، ويقارن التوقعات بالنتائج الفعلية من خلال تصورات تفصيلية. يساعد هذا الدفتر في تحديد كيفية تأثير مقاييس التسعير والتفاعل على أحجام المبيعات المستقبلية.
---
## وصف مفصل للمشروع
يتولى الدفتر عملية التعلم الآلي الكاملة:
- **تحميل البيانات**: تحميل بيانات مبيعات العقارات لعام ٢٠٢٤ والنتائج الفعلية لشهر يناير ٢٠٢٥.
- **معالجة البيانات**: تنظيف وتحويل وهندسة ميزات مثل المبيعات السابقة وزخم المبيعات.
- **تدريب النموذج**: تدريب نموذج انحدار XGBoost باستخدام معلمات مُحسّنة لتقليل الأخطاء وتعزيز دقة التنبؤ.
- **التنبؤ**: يُقدّر عدد الوحدات المباعة وسعرها في يناير ٢٠٢٥ بناءً على افتراضات التضخم والطلب.
- **التحقق**: يُقارن تنبؤات النموذج بالمبيعات الفعلية لشهر يناير ٢٠٢٥ باستخدام جداول مُهيكلة.
- **التصور**:
- تطور الأسعار خلال عام ٢٠٢٤
- العلاقة بين السعر والمبيعات
- مقارنة الأسعار المتوقعة بالفعلية
- مقارنة الوحدات المتوقعة بالفعلية المباعة
صُمّم هذا المشروع للمستقلين والمحللين وخبراء العقارات الذين يرغبون في الحصول على رؤى قابلة للقياس ومستندة إلى النماذج حول سلوك التسعير والمبيعات.
--
## كيفية التشغيل
١. افتح دفتر الملاحظات في **جوجل كولاب**.
٢. حمّل ملف المبيعات الأصلي لعام ٢٠٢٤ عند الطلب.
٣. حمّل ملف نتائج يناير ٢٠٢٥ الفعلية عند الطلب.
٤. شغّل جميع الخلايا للاطلاع على التوقعات ومقاييس التقييم ومخططات المقارنة الغنيّة.
---
## تنسيقات ملفات الإدخال
**ملف مبيعات ٢٠٢٤**
ملف CSV يحتوي على مبيعات الوحدات الشهرية، ويتضمن الحقول التالية:
`التاريخ`، `اسم المنتج`، `الوحدات المباعة`، `سعر الوحدة (جنيه مصري)`، `الخصم (%)`، `زيارات الموقع الإلكتروني`، `السعر بعد الخصم`
**ملف يناير ٢٠٢٥ الفعلي**
ملف CSV من صف واحد بنفس البنية، لشهر يناير ٢٠٢٥ فقط.
---
## ؟ مقاييس التقييم
- درجة R²
- متوسط الخطأ التربيعي (MSE)
- متوسط الخطأ المطلق (MAE)
---
## حزمة التقنيات
- بايثون 3.x
- باندا، نامباي
- XGBoost
- scikit-learn
- Seaborn , Matplotlib
---
## للتواصل
مشروع من تصميم **عمر**
حلول قائمة على البيانات ومدعومة بالذكاء الاصطناعي للتنبؤ واتخاذ القرارات في العالم الواقعي.