تحليل وتنظيف بيانات Superstore وتقييم تأثير المعالجة على أداء نموذج تصنيف

قمتُ بتنفيذ مشروع متكامل لتحليل ومعالجة بيانات Sample-Superstore.csv بهدف تحسين جودة البيانات ورفع دقة النماذج التنبؤية. شمل العمل المراحل التالية:

التحليل الاستكشافي (EDA): فحص الأعمدة وأنواع البيانات، الكشف عن القيم المفقودة والمكررة، واكتشاف القيم المتطرفة وعدم اتساق تسميات الفئات.

معالجة المشكلات:

القيم المفقودة تم التعامل معها بوسيلتين مختلفتين (التعويض الإحصائي واستخدام KNN Imputer) مع تبرير الاختيار.

القيم المتطرفة تم معالجتها بطريقتي IQR و Winsorization.

كما أُزيلت السجلات المكررة ووُحّدت التسميات النصية لضمان الاتساق.

النمذجة والتقييم: تدريب نموذجَي Logistic Regression و Random Forest قبل وبعد المعالجة، وقياس الأداء باستخدام Accuracy، Precision، Recall، F1-score ومصفوفة الارتباك.

أظهرت النتائج تحسنًا ملحوظًا في جميع المقاييس بعد التنظيف، ما يبرز أهمية معالجة البيانات وجودتها في زيادة دقة التنبؤات وتحسين موثوقية النماذج.