(Smart Real Estate Rent Prediction System using Machine Learning

برز ما تم إنجازه في المشروع (Technical Highlights):

معالجة البيانات (Data Preprocessing):

التعامل مع القيم المفقودة (Missing Values) في أعمدة أساسية مثل المساحة (Size) والإيجار (Rent).

تنظيف البيانات من القيم المكررة والتأكد من توافق أنواع البيانات.

هندسة الميزات (Feature Engineering): تحويل تواريخ النشر واستخراج أرقام الطوابق، وتحويل المتغيرات النصية إلى قيم رقمية باستخدام تقنيات (One-Hot Encoding).

تطبيع البيانات (Scaling): استخدام MinMaxScaler لتوحيد نطاق الميزات العددية لتحسين أداء النماذج.

التحليل الاستكشافي (EDA):

استخدام مكتبات Seaborn وMatplotlib لتصور توزيع الأسعار وعلاقة المساحة وعدد الغرف (BHK) بقيمة الإيجار.

بناء النماذج وتوقع النتائج (Machine Learning):

تطبيق نموذج الانحدار الخطي (Linear Regression) كنموذج أساسي للمقارنة.

تطبيق نموذج أشجار القرار (Decision Tree Regressor) لتحقيق دقة توقع أعلى.

تقييم الأداء باستخدام معايير إحصائية دقيقة مثل R2 Score، و MAE (متوسط الخطأ المطلق)، و RMSE (جذر متوسط مربعات الخطأ).

الأدوات والتقنيات المستخدمة:

اللغة: Python.

المكتبات الأساسية: Pandas, NumPy.

الرسم البياني: Matplotlib, Seaborn.

تعلم الآلة: Scikit-Learn.