House Price Prediction (California Housing)

مشروع متكامل في تحليل البيانات والتعلّم الآلي، هدفه التنبؤ بأسعار المنازل بناءً على بيانات حقيقية لأكثر من 20,000 منطقة سكنية في كاليفورنيا.

اللي اتنفّذ في المشروع:

استكشاف وتحليل البيانات (EDA) والتأكد من جودتها وخلوّها من القيم المفقودة

رسم خريطة الارتباط (Correlation Heatmap) لمعرفة العوامل الأكثر تأثيرًا على السعر

بناء ومقارنة نموذجين: Linear Regression و Random Forest

تقييم النماذج بمقاييس R² و MAE و RMSE

تحديد أهم العوامل المؤثرة في السعر (Feature Importance)

رسم مقارنة بين الأسعار الحقيقية والمتوقعة لقياس دقة النموذج

النتائج:

النموذج R² MAE RMSE

Linear Regression 0.576 0.533 0.746

Random Forest 0.805 0.328 0.505

النموذج النهائي (Random Forest) حسّن الدقة بحوالي 40% عن النموذج الأساسي، وقلّل متوسط الخطأ بحوالي 38%.

كود Python نظيف ومرتب، رسومات بيانية احترافية، وملف نتائج CSV