Flight Price Prediction Using Deep Neural Network

نوع العمل:

مشروع تحليل بيانات وتنبؤ (Data Science & Machine Learning) يهدف إلى توقع أسعار تذاكر الطيران اعتمادًا على مجموعة من العوامل مثل شركة الطيران، مدينة المغادرة والوصول، وقت الإقلاع والوصول، عدد التوقفات، مدة الرحلة، وعدد الأيام المتبقية للحجز.

المميزات:

-بناء نموذج تنبؤ باستخدام شبكة عصبية عميقة (Deep Neural Network - DNN) لتحقيق دقة أعلى مقارنة بالنماذج التقليدية.

-التعامل مع بيانات ضخمة (300 ألف+ سجل) ومعالجتها لتصبح مناسبة للتدريب.

-استخدام التشفير الأحادي One-Hot Encoding للخصائص التصنيفية، و Standard Scaling للبيانات الرقمية، مما حسّن من أداء النموذج.

-استخدام Early Stopping لمنع الـ Overfitting وتحقيق أفضل أداء على بيانات الاختبار.

-قدرة النموذج على توقع سعر تذكرة جديدة بدقة معقولة (متوسط خطأ MAE ≈ 2257).

طريقة التنفيذ:

-تحميل وتنظيف البيانات (إزالة الأعمدة غير المهمة، معالجة القيم الفارغة).

-تقسيم البيانات إلى تدريب (80%) واختبار (20%).

-استخدام ColumnTransformer لدمج الـ One-Hot Encoding و Standard Scaling في خط معالجة واحد.

-بناء شبكة عصبية مكونة من:

طبقة إدخال بعدد السمات المعالجة (37).

طبقات مخفية: 512 → 256 → 128 عصبونات، مع دوال تنشيط ReLU.

طبقتي Dropout (40%) لتقليل الـ Overfitting.

طبقة إخراج لتوقع السعر (قيمة مستمرة).

-تدريب النموذج باستخدام Adam Optimizer وخسارة MSE مع مراقبة MAE.

-رسم منحنيات التدريب (Loss, MAE) لمتابعة تحسن الأداء عبر الـ Epochs.

-اختبار النموذج على بيانات جديدة وإعطاء توقعات للأسعار (مثال: رحلة Air India من Delhi إلى Mumbai).