تحليل مؤشر تكلفة المعيشة عالميًا والتنبؤ بقدرة الدول على تحمل التكاليف باستخدام تقنيات تحليل البيانات والذكاء الاصطناعي

هذا المشروع يهدف إلى تحليل مؤشر تكلفة المعيشة عالميًا ومقارنته مع القوة الشرائية المحلية لتحديد مدى قدرة الأفراد في مختلف الدول على تحمل تكاليف الحياة. تم تنفيذ المشروع باستخدام أدوات تحليل البيانات في Python، حيث تم: تحميل البيانات وتنظيفها (Data Cleaning) حذف القيم غير الضرورية ومعالجة التكرار إنشاء مؤشر جديد باسم Income to Cost Ratio لقياس العلاقة بين الدخل والتكاليف تصنيف الدول إلى: Affordable (مناسبة) Not Affordable (غير مناسبة) كما تم تطوير تصنيف أكثر دقة: Poor (ضعيف) Average (متوسط) Good (جيد) التحليل البصري (Data Visualization) تم استخدام مكتبات مثل: Seaborn Matplotlib لإنشاء: رسوم بيانية لتوزيع القدرة على التحمل Scatter plots لعرض العلاقة بين التكاليف والدخل تحليل أفضل وأسوأ الدول نماذج الذكاء الاصطناعي (Machine Learning) تم بناء عدة نماذج لتوقع مستوى القدرة على تحمل التكاليف: Logistic Regression Decision Tree Random Forest Support Vector Machine (SVM) وتم تقييم النماذج باستخدام: Accuracy Classification Report Cross Validation كما تم حفظ النماذج لاستخدامها لاحقًا في تطبيقات حقيقية.