California-Housing-Price-Prediction

اسم المشروع: California Housing Price Prediction | End-to-End ML Pipeline

نوع العمل: Supervised Machine Learning (Regression) Pipeline

• وصف المشروع:

مشروع Machine Learning متكامل (End-to-End Pipeline) للتنبؤ بأسعار المنازل في ولاية كاليفورنيا بناءً على البيانات الديموغرافية والجغرافية. يغطي المشروع كافة مراحل تطوير النماذج بدءاً من استكشاف البيانات وتحليلها إحصائياً، مروراً بـ Feature Engineering و Preprocessing، وصولاً إلى تدريب وتقييم عدة خوارزميات وإجراء Hyperparameter Tuning لاختيار أفضل نموذج تنبؤي.

• أهم الميزات (Key Features):

1. هندسة ميزات مخصصة (Custom Feature Engineering) مثل حساب متوسط الغرف لكل أسرة ونسبة غرف النوم لتحسين دقة التنبؤ.

2. مقارنة وتقييم شامل (Model Benchmarking) لخمس خوارزميات مختلفة واختيار الأفضل أداءً باستخدام مقاييس R² Score و RMSE.

3. معالجة آليّة ومتقنة للبيانات باستخدام Scikit-Learn ColumnTransformer Pipeline لتجهيز البيانات العددية والفئات.

• طريقة التنفيذ (Execution Methodology):

1. إجراء Data Exploration و EDA لتحليل التوزيعات، الارتباطات الإحصائية (Correlation)، ومعالجة القيم المفقودة.

2. تطبيق Feature Engineering لاستخراج متغيرة جديدة مثل (Rooms per Household, Population per Household).

3. بناء Preprocessing Pipeline يشمل Imputation و Standard Scaling و One-Hot Encoding.

4. تدريب وتقييم خوارزميات متنوعة (Linear Regression, SVR, Random Forest, XGBoost).

5. تحسين أداء النموذج النهائي باستخدام GridSearchCV و RandomizedSearchCV.