Automated Valuation Model (AVM) for Used Car

منصة توقّع أسعار السيارات المستعملة باستخدام الذكاء الاصطناعي (XGBoost)

تطبيق ويب متكامل (End-to-End Machine Learning) لتوقّع القيمة السوقية للسيارات المستعملة بدقة إحصائية عالية، مبني على قاعدة بيانات تضم أكتر من 400,000 عملية بيع سيارة فعلية.

النتائج:

دقة النموذج (R² Score): 87.65%

متوسط زمن التوقّع: أقل من 0.05 ثانية

متوسط الخطأ (MAE): 1,597 دولار فقط

أهم اللي اتعمل في المشروع:

🔹 تنظيف ومعالجة البيانات

تم استخدام طريقة الـ IQR لاكتشاف وإزالة القيم الشاذة (Outliers) في الأسعار والمسافات المقطوعة، بالإضافة لتوحيد النصوص (توحيد حالة الأحرف وإزالة المسافات الزائدة) لمنع تكرار نفس الفئة بأكتر من صيغة.

🔹 ترميز بيانات بدون تسريب (Leakage-Free Encoding)

استخدام Target Encoding للفئات عالية التنوع زي الماركة والموديل، مع حساب القيم داخل كل fold تدريب فقط لتفادي أي تسريب بيانات (Data Leakage)، وده بيتفرق عن الطريقة التقليدية اللي بيقع فيها كتير من المبتدئين. كمان تم استخدام One-Hot Encoding للفئات محدودة العدد زي ناقل الحركة ونوع الوقود واللون.

🔹 هندسة الخصائص (Feature Engineering)

عمر السيارة (car_age): من الفرق بين سنة الصنع والسنة الحالية.

معدل الاستخدام السنوي (mileage_per_year): بيعكس شدة استخدام السيارة سنويًا.

🔹 مقارنة نماذج متعددة

تم تجربة وتقييم أكتر من نموذج (XGBoost - Random Forest - Linear Regression) واختيار الأفضل أداءً وسرعة بناءً على مقاييس دقيقة زي R² وMAE.

التقنيات المستخدمة: Python, XGBoost, Scikit-learn, Pandas, Streamlit