نظام تحليل وتنبؤ بأسعار العقارات باستخدام خوارزميات التعلم الآلي

قمت بتطوير نموذج تنبؤي دقيق لتقدير أسعار الوحدات السكنية بناءً على مجموعة واسعة من الخصائص التقنية والجغرافية.

الخطوات التقنية المنفذة:

معالجة البيانات الضخمة: التعامل مع البيانات المفقودة (Missing Values) باستخدام تقنيات الإحلال الإحصائي (Imputation) لضمان سلامة النموذج.

تحويل البيانات (Encoding): استخدام تقنية One-Hot Encoding لتحويل المتغيرات النصية (Categorical Data) إلى تنسيق رقمي يفهمه الحاسوب.

المقارنة بين الخوارزميات: قمت بتدريب واختبار ثلاثة نماذج مختلفة (Linear Regression, SVR, Random Forest) للمقارنة بين أدائهم.

التقييم والتحسين: استخدام معيار MAPE لقياس نسبة الخطأ المئوية، حيث أثبت نموذج Random Forest تفوقه في تقديم أدق النتائج.

الأدوات: تم التنفيذ بالكامل باستخدام لغة Python ومكتبات Pandas, Scikit-Learn, و Seaborn للتحليل البصري.