موديل تحليل نوع العميل بناء على سلوكه الشرائي

منذ أسبوع

عرض العمل

الوصف

مشروع Supervised Learning لتصنيف 50,000 عميل في متجر تجزئة إلى 4 شرائح: Occasional وHigh_Value وLoyal وRegular، بناءً على بيانات زي الدخل السنوي ومتوسط الإنفاق الشهري وتكرار الشراء ومعدل استخدام الخصومات ومعدل المرتجعات ووقت التصفح.

الخطوات:

تنظيف البيانات ومعالجة القيم المفقودة بالـ median

ترميز المتغيرات النصية (Encoding)

تحليل استكشافي (EDA): توزيع الشرائح، الـ outliers، الـ correlation

تقسيم البيانات 80/20 وتطبيق StandardScaler

مقارنة 9 موديلات: Logistic Regression, Decision Tree, Naive Bayes, SVC, KNN, Random Forest, AdaBoost, Gradient Boosting, XGBoost

النتيجة: أفضل موديل كان Gradient Boosting بدقة (accuracy) حوالي 75.5% وF1-score حوالي 0.75. أضعف شريحة في التصنيف كانت Regular.

الأدوات: Python, Pandas, Scikit-learn, XGBoost, Seaborn, Matplotlib


التفاصيل

المشاهدات 0
المفضلة 0
القسم برمجة, تطوير المواقع و التطبيقات - اخري

حساب المستخدم

يٌدار بواسطة أنجز تك الرقمية

All rights reserved © kaf 2026