تحليل وتصنيف أسعار Airbnb في نيويورك باستخدام Unsupervised Machine Learning

مشروع تحليل بيانات يعتمد على تعلم الآلة غير الخاضع للإشراف (Unsupervised Learning)، يهدف إلى تحليل وتصنيف أسعار الإيجارات الخاصة بـ Airbnb في مدينة نيويورك.

تم استخدام Self-Organizing Maps (SOM) لاكتشاف الأنماط الخفية داخل البيانات، ثم تطبيق K-Means Clustering لتصنيف الوحدات السكنية إلى فئات سعرية (مرتفعة / منخفضة).

مراحل تنفيذ المشروع:

-تحميل ومعالجة Dataset حقيقية خاصة بـ Airbnb

-تنظيف البيانات والتعامل مع القيم المفقودة

-معالجة القيم الشاذة (Outliers) باستخدام IQR

-توحيد البيانات باستخدام Standard Scaler

-تدريب نموذج SOM وتحليل الأوزان قبل وبعد التدريب

-تحويل نتائج SOM إلى Clusters باستخدام K-Means

-تقييم النموذج باستخدام Accuracy و Confusion Matrix

-عرض النتائج بصريًا باستخدام Heatmaps و Component Planes

المشروع يوضح القدرة على تحليل البيانات، فهم الأنماط، وبناء نماذج تعلم آلي مع Visualization احترافي.

نوع العمل:

Data Analysis

Machine Learning

Unsupervised Learning