التنبؤ ببيانات العقارات وتصنيفها

مشروع يهدف إلى تنظيف البيانات، استكشافها، واستخدام تقنيات التعلم الآلي للتنبؤ بالأسعار واستخراج أنماط خفية.

المهام المنجزة:

- استكشاف البيانات (EDA): تحليل أولي للبيانات لفهم توزيع الأسعار، العلاقة بين المساحة وعدد الغرف والحمامات، وأثر الموقع على الأسعار.

- تنظيف البيانات ومعالجتها: تحويل الأسعار إلى أرقام موحدة، استخراج المساحات والقيم العددية من النصوص (غرف النوم، الحمامات، البلكونات، الطوابق)، ومعالجة القيم المفقودة والمكررة.

- الهندسة المميِّزة (Feature Engineering): إنشاء متغيرات جديدة مثل Log(price) وتحويل البيانات لتكون مناسبة للنمذجة.

- التعلم غير الموجّه (Unsupervised Learning): تطبيق خوارزميات K-Means لتجميع العقارات في مجموعات متشابهة، واستخدام PCA لتقليل الأبعاد وتصور النتائج.

النمذجة (Modeling):

- الانحدار (Regression): بناء نماذج تنبؤية (Linear Regression, Random Forest, Gradient Boosting) لتقدير الأسعار.

- التصنيف (Classification): تحويل الأسعار إلى فئات (منخفض – متوسط – مرتفع) وبناء نماذج (Logistic Regression, Random Forest Classifier) لتصنيف العقارات.

- تقييم الأداء (Evaluation): استخدام مقاييس مثل MAE, RMSE, R² للتنبؤ، وAccuracy, F1-score, Confusion Matrix لتقييم التصنيف.

التقنيات والأدوات:

Python (Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn)

النتيجة:

الحصول على نموذج أولي قادر على التنبؤ بأسعار العقارات بدقة معقولة، واستخراج رؤى بصرية تساعد في فهم العوامل الأكثر تأثيرًا على الأسعار (المساحة، عدد الغرف، الموقع، إلخ).