model_training

### تدريب ومقارنة نماذج التعلم الآلي

في هذه المرحلة تم تدريب وتجربة عدة نماذج **Machine Learning** بهدف التنبؤ باحتمالية شراء السيارة الكهربائية، مع مراعاة وجود عدم توازن بين الفئات في البيانات.

تم استخدام **5-Fold Stratified Cross-Validation** لضمان تقييم النماذج بشكل أكثر موثوقية، كما تم التعامل مع عدم توازن الفئات باستخدام أكثر من أسلوب.

النماذج التي تم اختبارها:

* **XGBoost Classifier**

* **Linear SVM**

* **Decision Tree**

* **Logistic Regression**

* XGBoost باستخدام **Random Under-Sampling**

تم تقييم النماذج باستخدام:

* **Accuracy**

* **ROC-AUC**

* **Precision**

* **Recall**

* **F1-Score**

كما تم تحليل أهمية الخصائص باستخدام **Decision Tree**، حيث ظهرت أهم الخصائص المؤثرة في التنبؤ مثل:

* مستوى الاهتمام بالبيئة.

* توفر الدعم المالي للسيارة الكهربائية.

* الدخل السنوي.

* مستوى القلق من مدى السيارة.

* المسافة اليومية للتنقل.

* العمر.

كما تم اختبار تقليل عدد الخصائص من **19 إلى 8 خصائص** وإعادة تدريب النموذج لمعرفة تأثير Feature Selection على الأداء.

تُظهر النتائج أن النماذج حققت أداءً جيدًا في التنبؤ، مع وصول متوسط **ROC-AUC** إلى حوالي **0.94** في النماذج المختلفة، مما يشير إلى قدرة جيدة على التمييز بين العملاء الذين يُتوقع أن يشتروا سيارة كهربائية والذين لا يُتوقع منهم ذلك.