Predicting Football Player Market Value Using Support Vector Regression (SVR)

يهدف هذا المشروع إلى بناء نموذج تعلم آلي للتنبؤ بـ القيمة السوقية للاعبي كرة القدم بناءً على تقييماتهم ومهاراتهم داخل لعبة FIFA 19، وذلك باستخدام خوارزمية آلة المتجهات الداعمة للانحدار (Support Vector Regression - SVR).

يعتمد المشروع على مجموعة بيانات FIFA 19 التي تضم أكثر من 18 ألف لاعب، وتحتوي على أكثر من 30 خاصية تصف مهارات كل لاعب مثل دقة التمرير، القدرة على المراوغة، السرعة، قوة التسديد، بالإضافة إلى مهارات حراسة المرمى، إلى جانب بيانات أساسية كالعمر والنادي ومركز اللعب.

يتضمن العمل رحلة كاملة لبناء نموذج انحدار عملي، بدءًا من:

الاستكشاف والتحليل الأولي للبيانات (EDA): دراسة توزيع القيمة السوقية للاعبين، والكشف عن العلاقة بين التقييم العام (Overall) والعمر من جهة، وقيمة اللاعب من جهة أخرى، إلى جانب فحص القيم الشاذة (Outliers) في الخصائص الرقمية.

تجهيز البيانات (Preprocessing): التعامل مع القيم المفقودة، وترميز المتغيرات الفئوية باستخدام Target Encoding للنادي (Club) نظرًا لكثرة فئاته، وOne-Hot Encoding لمركز اللعب (Position)، مع توحيد مقياس الخصائص الرقمية باستخدام StandardScaler.

بناء النموذج: تدريب نموذج SVR بنواة (Kernel) من نوع RBF، مع تجربة إعدادات مختلفة للمعامل C ومقارنته بنواة خطية (Linear) لفهم تأثير كل إعداد على الأداء.

التقييم: قياس دقة النموذج باستخدام معامل التحديد (R²)، وجذر متوسط مربع الخطأ (RMSE)، ومتوسط الخطأ المطلق (MAE)، بالإضافة إلى تحليل بصري للفروق بين القيم الفعلية والمتوقعة (Residuals) والتحقق من عدم وجود انحياز واضح في تنبؤات النموذج.

يُظهر هذا العمل قدرة نماذج SVR على التعامل مع بيانات ذات طبيعة غير خطية معقدة، ويقدم مثالًا عمليًا على كيفية اختيار النواة (Kernel) المناسبة وضبط معاملات النموذج للوصول إلى أفضل أداء ممكن في مسائل الانحدار.