مشروع لتنبؤ أسعار السيارات ببيانات CarPricePrediction باستخدام بايثون.
1. معالجة البيانات (Data Processing):
استيراد 19,237 صفاً و18 عموداً.
حذف 313 صفاً مكرراً وأعمدة غير ضرورية مثل (ID, Doors).
معالجة عمودي الضريبة "Levy" والمسافة "Mileage".
هندسة الميزات: إنشاء "عمر السيارة" بدلاً من سنة الصنع.
إزالة القيم الشاذة: استخدام IQR (كاستبعاد 1055 قيمة من السعر).
التحويل الرقمي: استخدام LabelEncoder لتحويل البيانات الفئوية.
2. التحليل الاستكشافي (EDA).
استخدام Histograms لفهم التوزيع.
تحديد أكثر 10 شركات تواجداً (تتصدرها Hyundai).
تصوير مصفوفة الارتباط بخريطة حرارية (Heatmap).
3. نماذج التعلم الآلي (ML Modeling)
تقسيم البيانات 80% للتدريب و20% للاختبار.
تدريب 6 خوارزميات: (خطي، شجرة القرار، الغابة العشوائية، تعزيز التدرج، XGBRegressor، و SVR).
التقييم: تصدرت الغابة العشوائية بدقة 77.5%، ثم XGBRegressor بـ 76%.
خلاصة: المشروع يعرض مسار عمل ناجح يبدأ بتنظيف البيانات المعيبة، وينتهي بتدريب واختيار النموذج الأدق.