XG_boost
تفاصيل العمل
### 1️⃣ ملف البرمجة الرئيسي
**xgboost_project.py** (18 كيلوبايت)
يحتوي على:
- توليد البيانات (2000 عينة)
- التحليل الاستكشافي للبيانات
- تدريب نموذج XGBoost الأساسي
- ضبط المعاملات الفائقة (Hyperparameter Tuning)
- مقارنة 5 نماذج مختلفة
- تحليل أهمية الميزات
- رسومات توضيحية احترافية
- حفظ النموذج المدرب
### 2️⃣ ملف التوثيق
**README_xgboost.md**
- شرح مفصل باللغة الإنجليزية
- أمثلة الاستخدام
- نصائح لتحسين الأداء
### 3️⃣ ملف المتطلبات
**requirements_xgboost.txt**
- جميع المكتبات المطلوبة
- الإصدارات الموصى بها
## ? المتطلبات التقنية
### المكتبات المطلوبة:
```python
xgboost>=2.0.0 # محرك XGBoost
scikit-learn>=1.3.0 # أدوات التعلم الآلي
pandas>=2.0.0 # معالجة البيانات
numpy>=1.24.0 # العمليات الرياضية
matplotlib>=3.7.0 # الرسومات
seaborn>=0.12.0 # رسومات احصائية
jupyter>=1.0.0 # دفاتر Jupyter
```
## ? التثبيت والإعداد
### الخطوة 1: تثبيت المكتبات
افتح Terminal (PowerShell) وقم بتشغيل:
```bash
pip install -r requirements_xgboost.txt
```
أو يمكنك تثبيت كل مكتبة على حدة:
```bash
pip install xgboost scikit-learn pandas numpy matplotlib seaborn
```
### الخطوة 2: التحقق من التثبيت
```bash
python -c "import xgboost; print(xgboost.__version__)"
```
إذا ظهر رقم الإصدار، فالتثبيت ناجح! ✅
## ▶️ تشغيل المشروع
### طريقة التشغيل:
```bash
python xgboost_project.py
```
### مدة التنفيذ المتوقعة:
- تقريباً 2-5 دقائق حسب قوة الجهاز
- عملية ضبط المعاملات تأخذ معظم الوقت
### ماذا سيحدث عند التشغيل؟
1. **توليد البيانات** ?
- إنشاء 2000 عينة عقارية
- 10 ميزات مختلفة
2. **التحليل الاستكشافي** ?
- إحصائيات وصفية
- مصفوفة الارتباط
- اكتشاف الأنماط
3. **تدريب النموذج الأساسي** ?
- XGBoost بمعاملات افتراضية
- قياس الأداء الأولي
4. **ضبط المعاملات** ⚙️
- البحث في 54 مجموعة معاملات
- اختيار الأفضل تلقائياً
5. **تدريب النموذج المحسّن** ?
- استخدام أفضل المعاملات
- تحسين الدقة
6. **مقارنة النماذج** ?
- XGBoost المحسّن
- Random Forest
- Gradient Boosting
- Linear Regression
7. **توليد الرسومات** ?
- 4 رسومات احترافية بصيغة PNG
8. **حفظ النموذج** ?
- حفظ للاستخدام المستقبلي