بناء ومقارنة نماذج Machine Learning للتنبؤ بالـJob Placement

بعد تجهيز البيانات، قمت ببناء وتدريب مجموعة من Classification Modelsبهدف التنبؤ بحالة الطالب من حيث الحصول على فرصة عمل.

شملت مرحلة Modeling:

-تدريب عدة Classification Models ومقارنة أدائها.

-تجربة خوارزميات مختلفة مثل KNN, Logistic Regression, Decision Tree, SVM, AdaBoost, Gradient Boosting, XGBoost وRandom Forest.

-استخدام بيانات Training لتدريب النماذج وإجراء Predictions على بيانات Testing.

-تقييم أداء النماذج باستخدام مجموعة من Evaluation Metrics مثل Accuracy وF1-Score وROC-AUC، بالإضافة إلى Classification Report وConfusion Matrix.

- تحسين أداء بعض النماذج من خلال ضبط الـHyperparameters.

-تجربة Random Forest بإعدادات مختلفة، ومقارنة النتائج للوصول إلى نموذج مناسب للمشكلة.

الهدف النهائي: بناء Classification solution قادرة على التنبؤ بـ`Placement_Status` وتقييم أدائها بشكل منهجي.

الأدوات:

Python, Scikit-learn, XGBoost, Pandas, NumPy.