نموذج تنبؤي لإيرادات الكافيه اليومية — Machine Learning

بناء نموذج تنبؤي بسيط لتوقع الإيراد اليومي للكافيه، اعتمادًا على بيانات المبيعات الفعلية من العملين السابقين في المعرض (نظام الطلب + تحليل المبيعات).

المنهجية:

- هندسة الخصائص (Feature Engineering): يوم الأسبوع، هل هو يوم عطلة، اتجاه الاتجاه العام، وإيراد اليوم السابق

- مقارنة 3 مناهج: خط أساس بسيط (متوسط كل يوم أسبوع)، Linear Regression، وRandom Forest

- التقييم باستخدام Walk-Forward Validation (كل يوم يُتوقع من الأيام اللي قبله بس) بدل تقسيم عشوائي، لأنها الطريقة الصحيحة مع البيانات الزمنية الصغيرة

النتيجة:

- Linear Regression تفوق على الأساس البسيط وعلى Random Forest (متوسط خطأ 509 جنيه مقابل 573 و585)

- النتيجة دي متوقعة ومنطقية: مع بيانات محدودة (29 يوم)، النماذج المعقدة بتعمل Overfitting، والنموذج الأبسط بيكون أوثق — قرار صحيح مبني على البيانات مش افتراض مسبق

الأدوات المستخدمة: Python, Scikit-learn, Pandas, Matplotlib