مشروع تحليل البيانات والتنبؤ بأسعار إيجار العقارات باستخدام تعلم الآلة (House Rent Prediction)

وصف المشروع: مشروع متكامل في علم البيانات يهدف إلى تحليل العوامل المؤثرة على أسعار إيجار العقارات وبناء نموذج ذكي يعتمد على أشجار القرار للتنبؤ بقيمة الإيجار المتوقعة بناءً على مواصفات العقار وموقعه الجغرافي. المراحل والخطوات المطبقة في المشروع: استكشاف وفهم البيانات (Data Understanding): فحص جودة وأبعاد البيانات والتعرف على المتغيرات. استبعاد الأعمدة غير المؤثرة لرفع كفاءة المعالجة وحصر القيم المفقودة. التنظيف ومعالجة البيانات (Data Preprocessing): معالجة القيم المفقودة لضمان استقرار العمليات الحسابية. استخدام الـ (Box Plot) للكشف عن القيم الشاذة وتطبيق التحويل اللوغاريتمي (Log Transformation) لمعالجتها. التحليل الاستكشافي البصري (EDA): دراسة علاقة المساحة وعدد الغرف بسعر الإيجار عبر الـ (Scatter Plots). إنشاء خريطة حرارية (Heatmap) لتوضيح متوسط الأسعار حسب المنطقة والمدينة، وتحليل تأثير حالة الأثاث على السعر. هندسة الميزات والترميز (Feature Engineering): تحويل البيانات النصية والفئات إلى قيم رقمية باستخدام (Label Encoder) و (One-Hot Encoder). تدريب وتقييم النموذج (Model Training & Evaluation): تقسيم البيانات إلى ثلاث مجموعات (تدريب، تحقق، واختبار) لتفادي الإفراط في التخصيص. بناء وتدريب نموذج (Decision Tree Regressor) مع ضبط عمق الشجرة. تقييم الأداء باستخدام المقاييس القياسية: MSE و MAE و R2 Score. الأدوات والتقنيات المستخدمة: لغة البرمجة: Python. معالجة البيانات: Pandas و NumPy. الرسوم البيانية: Matplotlib و Seaborn. تعلم الآلة: Scikit-Learn. القيمة المضافة للمشروع: مساعدة شركات العقارات والمستثمرين في تسعير الوحدات السكنية بشكل عادل وتلقائي بناءً على مواصفات العقار، مما يدعم اتخاذ قرارات استثمارية دقيقة وسريعة.