House Price Prediction

مشروع متكامل End-to-End Regression Pipeline للتنبؤ بأسعار بيع المنازل السكنية باستخدام، وهي البيانات المستخدمة في مسابقة House Prices – Advanced Regression Techniques على Kaggle.

تم تنفيذ المشروع كـ مشروع شخصي للتدريب العملي على بناء أنظمة Machine Learning منظمة وقابلة للتطوير، مع الاعتماد على هيكل OOP بدلًا من تنفيذ جميع خطوات المشروع داخل Notebook واحد، مما يجعل الكود أكثر تنظيمًا ومرونة وإعادةً للاستخدام.

أبرز الجوانب التقنية:

بناء End-to-End ML Pipeline بدايةً من تجهيز البيانات وحتى تدريب وتقييم النموذج.

استخدام Object-Oriented Programming (OOP) لتنظيم مكونات المشروع وجعل الكود Dynamic وقابلًا للتوسع.

استخدام XGBoost Regressor كنموذج نهائي للتنبؤ بأسعار المنازل.

تطبيق Stratified K-Fold Cross-Validation لتقييم أداء النموذج بشكل أكثر موثوقية.

استخدام Log Transformation على المتغير المستهدف لتحسين ملاءمة النموذج لطبيعة توزيع أسعار المنازل.

حقق النموذج MAE = 14,910.37 بتقييم كاجل.