مشروع تطبيق خوارزميات التعلم الخاضع للإشراف (Supervised Machine Learning)

في هذا المشروع قمت بتطبيق مجموعة من خوارزميات Machine Learning على بيانات حقيقية بهدف بناء نموذج قادر على التنبؤ بالنتائج بدقة.

بدأ العمل بمرحلة تنظيف البيانات ومعالجة القيم المفقودة وتحويل البيانات النصية إلى بيانات رقمية مناسبة للنماذج باستخدام تقنيات مثل Encoding.

بعد تجهيز البيانات تم تقسيمها إلى بيانات تدريب وبيانات اختبار ثم تدريب عدة نماذج من التعلم الخاضع للإشراف مثل:

Logistic Regression

K-Nearest Neighbors

بعد ذلك قمت بتقييم أداء النماذج باستخدام مقاييس مثل Accuracy لاختيار النموذج الأفضل.

يساعد هذا النوع من المشاريع في فهم كيفية اختيار النموذج المناسب للمشكلة وتحسين أداء النماذج التنبؤية.