تنفيذ خوارزمية الانحدار الخطي

هذا المشروع يهدف إلى تنفيذ خوارزمية الانحدار الخطي (Linear Regression) من الصفر باستخدام لغة Python بدون الاعتماد على مكتبات التعلم الآلي الجاهزة مثل scikit-learn. يركز المشروع على فهم الآلية الرياضية للخوارزمية وكيفية تدريب النموذج يدويًا باستخدام خوارزمية الانحدار التدريجي العشوائي (Stochastic Gradient Descent - SGD).

يقوم النموذج بتعلم العلاقة بين المتغيرات المدخلة (Features) والمتغير الهدف (Target) من خلال تحديث معاملات النموذج (Parameters) تدريجيًا بهدف تقليل قيمة دالة الخطأ (Loss Function) وتحسين دقة التنبؤ.

آلية العمل في المشروع:

تهيئة معاملات النموذج (Theta) بقيم عشوائية.

اختيار عينة عشوائية من البيانات في كل دورة تدريب.

حساب قيمة التنبؤ باستخدام دالة الفرضية (Hypothesis).

حساب الخطأ بين القيمة المتوقعة والقيمة الحقيقية.

تحديث معاملات النموذج باستخدام معدل التعلم (Learning Rate).

حساب قيمة دالة الخطأ بعد كل تحديث.

إيقاف التدريب عند وصول التغير في الخطأ إلى قيمة صغيرة محددة (Convergence) أو عند انتهاء عدد الدورات التدريبية.

ما يميز المشروع:

تطبيق عملي لفهم أساسيات Machine Learning Algorithms.

تنفيذ الخوارزمية يدويًا لفهم كيفية عمل Gradient Descent.

تسجيل تطور قيمة الخطأ أثناء التدريب لمتابعة عملية تقارب النموذج (Model Convergence).

كود منظم يمكن تطويره لاحقًا لإضافة تحسينات أو تطبيقه على بيانات مختلفة.

يساعد هذا المشروع على بناء فهم عميق لكيفية تدريب نماذج التعلم الآلي قبل استخدام المكتبات المتقدمة.