توقع أسعار المنازل باستخدام خوارزميات الانحدار المتقدم | House Prices – Advanced Regression

مشروع لتوقع أسعار المنازل باستخدام بيانات Kaggle (House Prices Dataset).

تضمنت خطوات العمل:

معالجة البيانات (التعامل مع القيم المفقودة، ترميز البيانات الفئوية، تطبيع الخصائص).

استكشاف البيانات بصريًا باستخدام Seaborn و Matplotlib (Boxplots, Line plot, Correlation Heatmaps) لفهم التوزيعات والعلاقات بين المتغيرات.

تدريب 3 نماذج تعلم آلي: Linear Regression، Random Forest Regressor، XGBoost.

تقييم الأداء باستخدام Root Mean Squared Error (RMSE) ومقارنة نتائج النماذج.

In English:

This project predicts house prices using Kaggle’s House Prices Dataset.

The workflow included:

Data preprocessing (handling missing values, categorical encoding, normalization).

Exploratory Data Analysis (EDA) using Seaborn & Matplotlib (Boxplots, Histograms, Scatterplots, Correlation Heatmaps) to understand distributions and relationships.

Training 3 machine learning models: Linear Regression, Random Forest Regressor, XGBoost.

Evaluation based on Root Mean Squared Error (RMSE) with comparison across models.

Tools & Libraries: Python, Pandas, Scikit-learn, Seaborn, Matplotlib, XGBoost