نموذج تنبؤ بالأمطار باستخدام خوارزمية Logistic Regression

في هذا المشروع قمت بتطوير نموذج تنبؤ بالأمطار باستخدام خوارزمية Logistic Regression اعتمادًا على بيانات الطقس في أستراليا (Weather in Australia Dataset). الهدف من المشروع هو التنبؤ بما إذا كان سيهطل المطر في اليوم التالي (RainTomorrow) اعتمادًا على مجموعة من خصائص الطقس مثل درجة الحرارة، الرطوبة، الضغط الجوي وغيرها من المتغيرات.

بدأ العمل بمرحلة معالجة البيانات (Data Preprocessing) حيث تم تحميل البيانات باستخدام مكتبة Pandas، ثم فصل المتغير الهدف (RainTomorrow) عن باقي المتغيرات التي تمثل Features.

بعد تجهيز البيانات قمت باستخدام خوارزمية Logistic Regression التي قمت بتنفيذها من الصفر باستخدام Python وNumPy بدون الاعتماد على مكتبات تعلم الآلة الجاهزة. يعتمد النموذج على Gradient Descent لتحديث معاملات النموذج وتقليل Log Loss (Cross Entropy Loss) أثناء عملية التدريب.

كما قمت بتتبع تطور أداء النموذج عبر تسجيل قيمة Loss خلال كل دورة تدريبية، ثم قمت بعمل Visualization لهذه القيم باستخدام Matplotlib لمتابعة عملية تقارب النموذج (Model Convergence).

أهم ما يتضمنه المشروع:

معالجة وتنظيف بيانات الطقس.

تحليل وتجهيز البيانات للنمذجة.

تنفيذ خوارزمية Logistic Regression من الصفر باستخدام Python.

تدريب النموذج باستخدام Gradient Descent.

التنبؤ بما إذا كان سيهطل المطر في اليوم التالي.

استخدام Data Visualization لمتابعة أداء النموذج أثناء التدريب.

يساعد هذا المشروع على تطبيق مفاهيم Machine Learning بشكل عملي بدءًا من تحضير البيانات وحتى بناء وتدريب نموذج تنبؤي كامل.