Boston Housing Price Predictor

نموذج تنبؤ بأسعار المنازل في بوسطن باستخدام تعلم الآلة

قمت بتطوير مشروع يعتمد على تقنيات Machine Learning للتنبؤ بأسعار المنازل في مدينة بوسطن اعتمادًا على مجموعة من الخصائص المرتبطة بالمنازل والمناطق المحيطة بها.

يهدف المشروع إلى تحليل البيانات وفهم العلاقة بين بعض العوامل المهمة مثل:

عدد الغرف في المنزل (RM)

نسبة السكان ذوي الدخل المنخفض في المنطقة (LSTAT)

نسبة الطلاب إلى المعلمين في المدارس القريبة (PTRATIO)

بعد تحليل البيانات واستكشافها، تم بناء نموذج تنبؤ باستخدام خوارزمية Decision Tree Regressor لتقدير أسعار المنازل بدقة، مع استخدام تقنياتGrid Search و Cross Validation لتحسين أداء النموذج واختيار أفضل إعداداته.

يشمل المشروع عدة مراحل أساسية:

استكشاف البيانات (Data Exploration)** وتحليل الإحصائيات الأساسية

تدريب النموذج (Model Training)** باستخدام خوارزمية Decision Tree

تقييم الأداء (Model Evaluation)** باستخدام مقياس **R² Score**

تحسين النموذج (Hyperparameter Tuning)** باستخدام GridSearchCV

كما قمت ببناء تطبيق تفاعلي باستخدام Streamlitيسمح للمستخدم بإدخال خصائص المنزل (عدد الغرف، نسبة الفقر في المنطقة، ونسبة الطلاب إلى المعلمين) والحصول فورًا على توقع لسعر المنزل.

مميزات المشروع:

* تحليل بيانات حقيقي وتطبيق عملي لتعلم الآلة

* استخدام تقنيات تحسين النماذج مثل Grid Search

* تطبيق ويب تفاعلي لعرض التوقعات

* تنظيم المشروع بطريقة احترافية (Dataset – Model – Notebook – Web App)

هذا المشروع يوضح القدرة على تنفيذ مشروع Machine Learning متكامل بدءًا من تحليل البيانات وحتى نشر نموذج تنبؤ يمكن استخدامه بشكل عملي.