ameshousing
تفاصيل العمل
**تحليل بيانات العقارات والتنبؤ بأسعار المنازل باستخدام تعلم الآلة (Machine Learning)**
قمت بتنفيذ مشروع لتحليل بيانات العقارات والتنبؤ بأسعار بيع المنازل باستخدام تقنيات تحليل البيانات وتعلم الآلة، بالاعتماد على مجموعة بيانات تحتوي على خصائص متنوعة للمنازل، مثل المساحة، وسنة البناء، وجودة التشطيبات، وعدد الغرف، ومعلومات الجراج، وغيرها من العوامل التي قد تؤثر على سعر البيع.
**أهداف المشروع:**
- فهم البيانات وتحديد المتغير المستهدف (SalePrice) والخصائص المؤثرة في أسعار المنازل.
- إجراء التحليل الاستكشافي للبيانات (EDA) لاكتشاف الأنماط والعلاقات والارتباطات والقيم الشاذة.
- استخدام Pandas وMatplotlib وSeaborn لتحليل البيانات وإنشاء الرسوم البيانية، بالإضافة إلى إعداد تقرير تحليل آلي باستخدام YData Profiling.
- معالجة القيم المفقودة والتعامل مع البيانات المكررة عند الحاجة.
- تجهيز البيانات من خلال فصل الخصائص الرقمية والفئوية الاسمية والترتيبية، وتطبيق أساليب الترميز المناسبة، وتقييس الخصائص الرقمية عند الحاجة.
- بناء مسارات معالجة متكاملة باستخدام Scikit-learn Pipeline وColumnTransformer لتجهيز البيانات وتدريب النماذج مع الحد من تسرب البيانات (Data Leakage).
**نماذج تعلم الآلة المستخدمة:**
تم تدريب ومقارنة ثلاثة نماذج انحدار للتنبؤ بأسعار المنازل:
- الانحدار الخطي (Linear Regression).
- أقرب الجيران (K-Nearest Neighbors – KNN).
- آلة المتجهات الداعمة للانحدار (Support Vector Regression – SVR).
كما يتضمن المشروع ضبط المعاملات الفائقة (Hyperparameter Tuning) باستخدام GridSearchCV لتحسين أداء النماذج، مع دراسة تأثير المعاملات المختلفة على نتائج نموذج SVR.
**تقييم النماذج والنتائج:**
تم تقييم أداء النماذج باستخدام مقاييس MAE وMSE وRMSE وR²، مع مقارنة الأداء على بيانات التدريب والتحقق، لدراسة قدرة النماذج على التعميم والكشف عن احتمالات فرط التعلّم (Overfitting) أو نقص التعلّم (Underfitting)، واختيار النموذج الأنسب بناءً على النتائج الفعلية.
**الأدوات والتقنيات المستخدمة:**
Python، Pandas، NumPy، Matplotlib، Seaborn، Scikit-learn، YData Profiling، Pipeline، ColumnTransformer، GridSearchCV.
يجمع المشروع بين تحليل البيانات، وتجهيزها، وبناء نماذج تعلم الآلة، وتقييمها بطريقة منظمة بهدف الوصول إلى نموذج مناسب للتنبؤ بأسعار العقارات اعتمادًا على خصائص المنازل.