Mobile Price Prediction

قمت بتنظيف وتجهيز البيانات ومعالجة القيم المفقودة والتكرارات، ثم إجراء تحليل استكشافي للبيانات لفهم أهم العوامل المؤثرة على السعر. بعد ذلك تم تجهيز الخصائص وتدريب واختبار أكثر من نموذج Machine Learning ومقارنة النتائج لاختيار النموذج الأفضل.

تم تحليل أداء النموذج باستخدام الرسوم البيانية مثل Actual vs Predicted و Residual Analysis للتأكد من جودة التنبؤات.

وفي النهاية تم تطوير واجهة تفاعلية باستخدام Streamlit تتيح للمستخدم إدخال مواصفات الهاتف والحصول على السعر المتوقع بسهولة، بالإضافة إلى عرض تحليل البيانات ومقارنة النماذج.

الأدوات المستخدمة:

Python – Pandas – NumPy – Scikit-learn – Matplotlib – Seaborn – Streamlit