نظام ذكي لتوقع أسعار السيارات وترشيحها (Car Price Prediction & Recommendation System)

نظام ذكي لتوقع أسعار السيارات وترشيحها بدقة 91% (Car Price Prediction & Recommendation)وصف المشروع:قمت في هذا المشروع ببناء نظام متكامل يعتمد على الذكاء الاصطناعي لمساعدة المستخدمين في اتخاذ قرارات شراء السيارات. يجمع المشروع بين توقع السعر العادل للسيارة بناءً على مواصفاتها، وبين نظام توصية يقترح سيارات بديلة مشابهة.

المنهجية والأدوات المستخدمة:

تم استخدام لغة Python ومكتبات (Pandas, Scikit-learn) لمعالجة البيانات وتدريب النماذج، حيث قمت بالمقارنة بين 3 خوارزميات مختلفة للوصول إلى أعلى دقة ممكنة.

تفاصيل الخوارزميات والأداء:

Linear Regression (النموذج الأساسي): تم استخدامه كخط أساس (Baseline) لقياس العلاقات الخطية.حقق دقة ($R^2$ Score) بنسبة 83.8%، مما أوضح الحاجة لنماذج أكثر تعقيداً للتعامل مع تغيرات السوق.

K-Nearest Neighbors (KNN):

أثبت كفاءة عالية بدقة 89.5%.تم استغلال مفهوم الخوارزمية (الجار الأقرب) لبناء نظام التوصية (Recommendation Engine) الذي يقوم بترشيح السيارات الأكثر تشابهاً مع طلب العميل.

Random Forest Regressor (النموذج الأفضل):

هو النموذج المعتمد في المشروع لتوقع الأسعار.حقق أعلى دقة ($R^2$ Score) بنسبة 91.4%، مما يضمن للمستخدم الحصول على تقدير سعر موثوق جداً وقريب من الواقع.

أهم المميزات:

دقة عالية:الاعتماد على Random Forest لتقليل نسبة الخطأ في التسعير إلى أدنى حد.

تحليل بيانات شامل: تنظيف البيانات ومعالجة القيم المفقودة وتحليل الارتباط (Correlation) لضمان جودة المدخلات.

نظام اقتراحات: مساعدة المستخدم في إيجاد بدائل مناسبة باستخدام KNN.

النتيجة النهائية:نموذج قوي قادر على فهم سوق السيارات وتحديد السعر بناءً على (الموديل، سنة الصنع، الحالة، وغيرها) بدقة تتجاوز 91%.