Data Preprocessing Sales Dataset

نفذت مشروع متكامل لمعالجة وتنظيف بيانات المبيعات بهدف تجهيزها لاستخدامها في نماذج تعلم الآلة للتنبؤ بما إذا كان العميل سيقوم بشراء أكثر من 3 منتجات في معاملة واحدة.

الخطوات المنفذة:

استكشاف البيانات (EDA): تحليل وصفي وإحصائي مع تصورات بيانية لفهم الأنماط.

تنظيف البيانات: معالجة القيم المفقودة والشاذة وتصحيح الأنواع.

هندسة الخصائص (Feature Engineering): إنشاء عمود الهدف لتصنيف سلوك الشراء وإضافة متغيرات مشتقة.

معالجة عدم التوازن (Imbalanced Data): استخدام تقنيات مثل SMOTE لإعادة توازن الفئات.

تصورات بيانية: رسم العلاقات بين الأعمدة واكتشاف الأنماط في المبيعات.

تجهيز البيانات النهائية: إنتاج ملف بيانات نظيف ومنظم وجاهز للنماذج التنبؤية.

الأدوات والتقنيات:

Python: Pandas, NumPy, Scikit-learn.

تصورات: Matplotlib, Seaborn.

بيئة العمل: Jupyter Notebook لعرض وتنفيذ الخطوات مع التوثيق.

المخرجات:

ملف بيانات نظيف جاهز للتحليل والنمذجة.

Notebook كامل يحتوي على الأكواد، الشرح، والرسوم التوضيحية.