هدف هذا المشروع إلى بناء نموذج تعلم آلي للتنبؤ بما إذا كان العميل سيقوم بشراء منتج أم لا اعتمادًا على بياناته الديموغرافية، مثل العمر والراتب التقديري، باستخدام خوارزمية K-Nearest Neighbors (KNN).
📌 وصف البيانات:
العمر (Age)
الراتب التقديري (Estimated Salary)
الجنس (Gender)
المتغير المستهدف: قرار الشراء (Purchased)
🔧 خطوات معالجة البيانات:
تنظيف البيانات وتجهيزها للتحليل.
حذف الأعمدة غير المؤثرة مثل User ID.
ترميز متغير الجنس إلى قيم رقمية.
تقسيم البيانات إلى مجموعات تدريب وتحقق واختبار.
تطبيق Feature Scaling باستخدام StandardScaler لتحسين أداء النموذج.
بناء النموذج:
استخدام خوارزمية K-Nearest Neighbors (KNN).
تجربة عدة قيم للمعامل K لاختيار القيمة المثلى.
تحديد أفضل قيمة ل K بناءً على دقة النموذج.
📊 نتائج النموذج:
دقة الاختبار: 92.50%
Precision: 89.19%
Recall: 94.29%
F1-Score: 91.67%
🔁 التحقق من الأداء:
تم تطبيق 10-Fold Cross Validation للحصول على تقييم أكثر دقة للنموذج، وحقق متوسط دقة بلغ 87.92% مما يشير إلى استقرار النموذج وعدم وجود مشكلة Overfitting.
التصورات البيانية:
Confusion Matrix Heatmap
رسوم بيانية ثنائية الأبعاد لتوضيح الفصل بين الفئات اعتمادًا على العمر والراتب
تحليل أداء النموذج باستخدام مقاييس التقييم المختلفة
- الأدوات والتقنيات المستخدمة:
Python
Pandas
NumPy
Scikit-learn
Matplotlib
Seaborn
مخرجات المشروع:
تم تطوير نموذج قادر على التنبؤ بسلوك العملاء بدقة مرتفعة، مما يساعد الشركات على فهم العملاء المستهدفين وتحسين استراتيجيات التسويق واتخاذ القرارات المبنية على البيانات.
