التنبؤ بأسعار المنازل باستخدام نماذج الانحدار في تعلم الآلة

نوع العمل: مشروع تعلم آلة (Regression)

في هذا المشروع قمت ببناء نموذج تعلم آلة للتنبؤ بأسعار المنازل اعتمادًا على مجموعة كبيرة من الخصائص التي تصف العقارات.

تعتمد البيانات المستخدمة في المشروع على أكثر من 79 متغيرًا تصف خصائص المنازل مثل:

جودة البناء

المساحة السكنية

عدد أماكن السيارات في المرآب

مساحة القبو

سنة البناء

تضمن المشروع المراحل التالية:

تحليل استكشافي شامل للبيانات لفهم توزيع الأسعار والعلاقات بين الخصائص المختلفة.

معالجة القيم المفقودة باستخدام تقنيات مناسبة مثل SimpleImputer.

تنفيذ عمليات Feature Engineering لتحسين أداء النماذج.

تدريب عدة نماذج انحدار للمقارنة بينها مثل:

Linear Regression

Ridge Regression

Lasso Regression

Random Forest Regressor

Gradient Boosting Regressor

Decision Tree Regressor

تم تقييم أداء النماذج باستخدام مقاييس:

RMSE

R² Score

Mean Absolute Error

كما تم استخدام الرسوم البيانية لتحليل توزيع الأسعار والعلاقات بين المتغيرات المختلفة.

يوضح هذا المشروع القدرة على:

تحليل البيانات الكبيرة

بناء نماذج تنبؤية للانحدار

تحسين أداء النماذج باستخدام Feature Engineering

تقييم النماذج باستخدام مقاييس متعددة

الأدوات المستخدمة:

Python

Pandas

NumPy

Matplotlib

Seaborn

Scikit-learn