Finding Donors for Charity

يتناول المشروع تحليل بيانات سكانية للتعرف على الخصائص التي تميز المتبرعين المحتملين لجمعية خيرية.

تم تنفيذ العمل باستخدام لغة Python ومكتبات Pandas، NumPy، Scikit-learn، وMatplotlib بهدف بناء نموذج تعلم آلة قادر على التنبؤ بالأشخاص الأكثر احتمالًا للتبرع.

تضمن المشروع المراحل التالية:

معالجة البيانات (Data Preprocessing): تنظيف البيانات، وتحويل القيم النصية إلى رقمية باستخدام الترميز (Encoding)، والتعامل مع البيانات المفقودة.

اختيار الخواص (Feature Selection): تحديد المتغيرات الأكثر تأثيرًا على قرار التبرع.

تدريب النماذج (Model Training): تجربة خوارزميات متعددة مثل Random Forest وAdaBoost واختيار الأفضل أداءً.

تقييم الأداء (Model Evaluation): مقارنة النماذج باستخدام مقاييس الدقة والاستدعاء وF1-Score.

تحليل النتائج: تحديد أهم العوامل التي تؤثر على احتمالية التبرع وتقديم توصيات لتحسين استهداف المتبرعين.

المشروع يهدف إلى مساعدة الجمعيات الخيرية على تحسين استراتيجيات التسويق واستهداف الفئات الأكثر استعدادًا للتبرع من خلال الذكاء الاصطناعي وتحليل البيانات.