Australia Weather Prediction using Machine Learning

Australia Weather Analysis & Rain Prediction – Data Science and Machine Learning Project

مشروع Data Science وMachine Learning يهدف إلى تحليل بيانات الطقس في أستراليا واكتشاف الأنماط والعلاقات بين المتغيرات الجوية المختلفة، مع بناء نموذج تعلم آلي قادر على التنبؤ باحتمالية هطول الأمطار في اليوم التالي (RainTomorrow Prediction)، اعتمادًا على بيانات الطقس التاريخية.

بدأ المشروع بمرحلة Exploratory Data Analysis (EDA) لفهم طبيعة البيانات والتعرف على توزيع المتغيرات الجوية، مثل درجة الحرارة (Temperature)، والرطوبة (Humidity)، وسرعة الرياح (Wind Speed)، وكمية الأمطار (Rainfall)، والضغط الجوي (Pressure)، بالإضافة إلى تحليل العلاقات بين هذه المتغيرات ومدى ارتباطها بهطول الأمطار في اليوم التالي.

تضمن المشروع مرحلة Data Preprocessing، والتي شملت فحص جودة البيانات، والتعامل مع القيم المفقودة (Missing Values)، وتحليل القيم غير الطبيعية، وتجهيز المتغيرات العددية والفئوية لتكون مناسبة للاستخدام في نماذج Machine Learning، مع تقسيم البيانات إلى مجموعات التدريب والاختبار لضمان تقييم أداء النماذج بصورة مناسبة.

بعد تجهيز البيانات، تم تطبيق خوارزميات Classification للتنبؤ بما إذا كانت الأمطار ستهطل في اليوم التالي أم لا، مع دراسة أداء النماذج ومقارنة نتائجها باستخدام مقاييس تقييم مناسبة، مثل Accuracy وPrecision وRecall وF1-Score، بالإضافة إلى تحليل Confusion Matrix لفهم قدرة النموذج على التمييز بين الأيام الممطرة وغير الممطرة.

كما ركز المشروع على فهم تأثير عدم توازن الفئات (Class Imbalance) على نتائج التنبؤ، ودراسة كيفية تحسين أداء النموذج في اكتشاف الأيام التي يُتوقع فيها هطول الأمطار، بدلًا من الاعتماد على الدقة الإجمالية فقط.

يهدف المشروع في النهاية إلى الاستفادة من البيانات التاريخية لاكتشاف الأنماط الجوية المرتبطة بهطول الأمطار، وتحويلها إلى نموذج تنبؤي يدعم فهم الظروف الجوية وتقدير احتمالية سقوط الأمطار. ويعكس المشروع تطبيقًا عمليًا لمراحل Data Science Workflow، بدايةً من استكشاف البيانات وتحليلها، مرورًا بمعالجتها وهندسة الخصائص (Feature Engineering)، وصولًا إلى تدريب نماذج Machine Learning وتقييم أدائها وتحليل النتائج.