مشروع Machine Learning باستخدام Supervised Learning لحل مشكلة Regression بهدف التنبؤ بأسعار المنازل اعتمادًا على المساحة وعدد الغرف والحمامات وخصائص أخرى، باستخدام Dataset تضم 545 صفًا و13 عمودًا.

تم تنفيذ Data Understanding وEDA باستخدام Matplotlib وSeaborn وPlotly، ومعالجة Outliers بطريقة IQR، وتطبيق Categorical Encoding وFeature Scaling باستخدام StandardScaler، ثم تقسيم البيانات إلى Training وTesting بنسبة 80/20.

تم بناء ومقارنة عدة نماذج، منها Linear Regression وRandom Forest وDecision Tree وKNN وSVR، مع تجربة GridSearchCV وPolynomial Features وXGBoost. كما تم تحليل الأخطاء باستخدام Residuals ومقارنة القيم الفعلية بالتوقعات.

النتيجة: حقق Linear Regression أفضل أداء بمعامل تحديد R² يقارب 0.67، مما يوضح أن النماذج الأبسط قد تتفوق على النماذج الأكثر تعقيدًا في بعض المشكلات.