بناء نموذج انحدار تنبؤي باستخدام بايثون

يقوم هذا العمل على بناء نموذج انحدار (Regression) متكامل باستخدام لغة بايثون ومكتبة Scikit‑Learn لتحويل البيانات الرقمية إلى توقعات دقيقة. الخدمة مناسبة للتنبؤ بالمبيعات، أسعار العقارات، استهلاك الطاقة، أو أي متغير رقمي مستمر. المنهجية المتبعة: اتباع خطوات منهجية IBM في علم البيانات (فهم المشكلة، جمع البيانات، تنظيفها، تحليلها، بناء النموذج، تقييمه، ونشره). المراحل الأساسية: استلام وتحليل البيانات: استقبال ملف CSV أو Excel، وفهم طبيعة الأعمدة والمتغير المستهدف. المعالجة والتنظيف: التعامل مع القيم المفقودة، تطبيع الأرقام (Normalization)، وتحويل الفئات النصية إلى قيم رقمية (Encoding). التحليل الاستكشافي: استخراج الإحصائيات الأولية، ورسم مصفوفة الارتباط (Correlation Matrix) لتحديد أكثر العوامل تأثيراً. بناء النماذج ومقارنتها: تجربة ثلاثة نماذج انحدار (الخطي Linear Regression، ريدج Ridge، متعدد الحدود Polynomial Regression) واختيار الأفضل بناءً على معامل التحديد (R² Score). التقييم النهائي: تقسيم البيانات إلى تدريب واختبار، وحساب مقاييس الخطأ (MSE، MAE، RMSE) لضمان مصداقية النتائج. تسليم المخرجات: نموذج جاهز للتشغيل، ملف بايثون قابل للتوسيع، وتقرير بنتائج التقييم.