مشروع تصنيف بالتعلم الآلي – التنبؤ بالدخل

اللغة والتقنيات: Python

مكتبات: Pandas, NumPy, Matplotlib, Seaborn, Scikit-Learn

معالجة البيانات:

- تنظيف البيانات والتعامل مع القيم المفقودة

- اكتشاف والتعامل مع القيم المتطرفة (Outliers)

- ترميز البيانات النصية (Encoding)

تقنيات التحسين:

- استخدام StandardScaler لتقييس البيانات

- تطبيق PCA لتقليل الأبعاد وتحسين الأداء

النماذج المستخدمة:

- Logistic Regression

- Decision Tree

- Random Forest

- Support Vector Machine (SVM)

- K-Nearest Neighbors (KNN)

تحسين النتائج:

- استخدام GridSearchCV لاختيار أفضل معاملات للنماذج

- تطبيق Voting Classifier (Ensemble) لزيادة دقة التنبؤ

مميزات المشروع:

- مشروع متكامل يبدأ من تحليل البيانات (EDA) حتى بناء النماذج النهائية.

- مقارنة بين عدة خوارزميات لتحديد الأفضل من حيث الدقة.

- الاعتماد على تقنيات حديثة مثل PCA وEnsemble Learning لتحسين الأداء.

- قابلية إعادة الاستخدام مع بيانات مشابهة في مجالات مختلفة (تصنيف، تنبؤ).

- عرض نتائج واضحة من خلال تقارير الأداء (Confusion Matrix، Accuracy، Classification Report).