التنبؤ بنية الشراء للعملاء باستخدام Machine Learning

مشروع Machine Learning يهدف إلى التنبؤ بما إذا كان العميل سيُكمل عملية الشراء من متجر إلكتروني بناءً على سلوك جلسة التصفح.

تم تنفيذ المشروع بدايةً من استكشاف البيانات وتحليلها، ثم تنظيف البيانات وتجهيزها ومعالجة عدم توازن الفئات، يلي ذلك تدريب ومقارنة عدة نماذج للتصنيف، وهي:

* Logistic Regression

* Decision Tree

* Random Forest

تم استخدام GridSearchCV لتحسين معاملات النماذج، بالإضافة إلى ضبط Decision Threshold بهدف تحسين F1-Score، ثم تقييم النماذج باستخدام Accuracy وPrecision وRecall وF1-Score ومصفوفات الالتباس.

تم اختيار Balanced Random Forest كنموذج نهائي، ثم نشره في تطبيق تفاعلي باستخدام Streamlit يسمح بإدخال بيانات جلسة العميل والحصول على توقع فوري لاحتمالية إتمام عملية الشراء.

الأدوات والتقنيات المستخدمة:

Python, Pandas, NumPy, Scikit-learn, Imbalanced-learn, Matplotlib, Seaborn, Streamlit