California Housing Price Prediction

قمت بتطوير مشروع للتنبؤ بأسعار المنازل في ولاية كاليفورنيا باستخدام تقنيات **Machine Learning**، بهدف بناء نموذج قادر على تقدير قيمة المنازل اعتمادًا على مجموعة من الخصائص المتعلقة بالمناطق والمساكن.

بدأ المشروع بمرحلة **Data Exploration** لفهم البيانات ودراسة العلاقة بين المتغيرات المختلفة وسعر المنزل، ثم تم إجراء عمليات **Data Cleaning** و**Data Preprocessing** وتجهيز البيانات لتدريب نموذج تعلم الآلة.

تم استخدام تقنيات **Feature Engineering** و**Data Visualization** لفهم البيانات واكتشاف العلاقات والأنماط المهمة، ثم تقسيم البيانات إلى **Training Set** و**Testing Set**.

بعد ذلك تم تدريب وتقييم نموذج **Machine Learning Regression** للتنبؤ بأسعار المنازل، باستخدام مقاييس تقييم مثل **R² Score** و**RMSE**.

يوضح المشروع كيفية استخدام **Python** و**Scikit-learn** في بناء نموذج Regression وتحليل أدائه، بالإضافة إلى تحويل البيانات الخام إلى نتائج يمكن استخدامها لدعم قرارات مرتبطة بأسعار العقارات.

### الأدوات والتقنيات

Python, Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn, Data Cleaning, Data Preprocessing, Feature Engineering, Data Visualization, Machine Learning, Regression, Model Evaluation.