تحليل بيانات العقارات والتنبؤ بمعدل الجريمة باستخدام تعلم الآلة

تحليل بيانات العقارات والتنبؤ بمعدل الجريمة باستخدام تعلم الآلة يهدف هذا المشروع إلى تحليل بيانات العقارات واكتشاف العوامل المؤثرة في معدل الجريمة في المناطق السكنية باستخدام تقنيات تحليل البيانات وتعلم الآلة. بدأ العمل بمرحلة تنظيف البيانات ومعالجتها من خلال التعامل مع القيم المفقودة وإزالة التكرارات ومعالجة القيم الشاذة، وذلك لضمان جودة البيانات قبل البدء بعملية التحليل. بعد ذلك تم إجراء تحليل استكشافي للبيانات (Exploratory Data Analysis) بهدف فهم طبيعة البيانات واكتشاف العلاقات بين المتغيرات المختلفة المرتبطة بالعقارات والمناطق السكنية. تضمن التحليل إنشاء مجموعة من الرسوم البيانية التوضيحية مثل: مخططات توزيع البيانات لفهم انتشار القيم مخططات الصندوق (Box Plot) لاكتشاف القيم الشاذة خريطة الارتباط (Correlation Heatmap) لتحليل العلاقات بين المتغيرات مخططات التبعثر (Scatter Plots) لفهم تأثير المتغيرات المختلفة بعد مرحلة التحليل تم بناء نموذج تعلم آلة باستخدام خوارزمية الانحدار الخطي (Linear Regression) بهدف التنبؤ بمعدل الجريمة اعتمادًا على مجموعة من العوامل المرتبطة بالمناطق السكنية مثل: متوسط عدد الغرف في المساكن نسبة السكان ذوي الدخل المنخفض المسافة إلى مراكز العمل معدل الضرائب العقارية نسبة المعلمين إلى الطلاب في المدارس كما تم تطوير واجهة تفاعلية لعرض التحليل والنتائج تتيح للمستخدم استكشاف البيانات والرسوم البيانية بسهولة. يساعد هذا النوع من التحليل المستثمرين والباحثين وصناع القرار على فهم العوامل التي قد تؤثر على مستوى الأمان في المناطق السكنية، مما يساهم في اتخاذ قرارات أفضل في مجال الاستثمار العقاري والتخطيط الحضري. الأدوات والتقنيات المستخدمة لغة البرمجة Python مكتبة Pandas لمعالجة البيانات مكتبة NumPy للحسابات العددية مكتبات Matplotlib و Seaborn لإنشاء الرسوم البيانية مكتبة Scikit-learn لبناء نموذج تعلم الآلة Streamlit و Tkinter لبناء واجهة تفاعلية لعرض التحليل