تحليل بيانات وبناء موديل

Loan Approval Prediction Project

في هذا المشروع عملت على مجموعة بيانات خاصة بطلبات القروض بهدف تحليل بيانات المتقدمين والتنبؤ بالموافقة على القرض من عدمه. بدأت بتنفيذ مرحلة المعالجة المسبقة للبيانات (Data Preprocessing) لضمان جودة البيانات قبل بناء النموذج.

شمل العمل:

فحص جودة البيانات واكتشاف المشكلات مثل:

القيم المفقودة (Missing Values)

البيانات غير المنطقية أو غير المتسقة

السجلات المكررة (Duplicates)

معالجة هذه المشكلات باستخدام تقنيات مناسبة لضمان دقة النتائج.

تحويل المتغيرات النصية إلى متغيرات رقمية باستخدام تقنيات Encoding.

تطبيق Scaling عند الحاجة.

معالجة القيم الشاذة (Outliers) باستخدام أساليب إحصائية مناسبة.

إجراء تحليل إحصائي استكشافي (EDA) لفهم توزيع البيانات والعلاقات بين المتغيرات.

بعد تجهيز البيانات، قمت بـ:

تقسيم البيانات إلى بيانات تدريب واختبار (Train/Test Split)

تنفيذ عملية اختيار الخصائص المؤثرة (Feature Selection) لتحسين أداء النموذج.

بناء نموذج تصنيف باستخدام خوارزمية Decision Tree للتنبؤ بحالة الموافقة على القرض.

تقييم أداء النموذج باستخدام مقاييس مثل Accuracy و Precision و Recall.

كان الهدف من المشروع بناء نموذج تنبؤي يساعد المؤسسات المالية على اتخاذ قرارات أكثر دقة بشأن الموافقة على طلبات القروض، بناءً على تحليل بيانات المتقدمين.