Multi-Model Machine Learning Framework for Gym Membership Prediction

يهدف هذا المشروع إلى تطوير ومقارنة مجموعة من نماذج تعلم الآلة لتحليل البيانات وبناء نماذج تنبؤية فعّالة، مع تقييم أداء كل نموذج واختيار الأفضل من حيث الدقة والقدرة على التعميم. الخوارزميات المستخدمة: الشبكات العصبية الاصطناعية (Neural Networks) آلة دعم المتجهات (SVM) شجرة القرار (Decision Tree) خوارزمية الجيران الأقرب (KNN) مراحل العمل: تنظيف البيانات ومعالجتها. استكشاف البيانات وتحليلها. اختيار الخصائص المؤثرة (Feature Selection). تدريب واختبار عدة نماذج تعلم آلة. تقييم ومقارنة الأداء باستخدام مؤشرات التقييم المناسبة. الأدوات والتقنيات المستخدمة: Python | Scikit-learn | Pandas | NumPy النتائج: تم تحقيق دقة بلغت 76%، مع تحديد النموذج الأكثر كفاءة بناءً على نتائج التقييم والمقارنة بين النماذج المختلفة، مما ساهم في تحسين جودة التنبؤ ودعم اتخاذ القرار المبني على البيانات.