نموذج ذكي لتقدير أسعار السيارات المستعملة

هذا المشروع هو نموذج متكامل للتعلّم الآلي يقدّر السعر العادل لسيارات "أودي" اعتماداً على بيانات سوق حقيقية، مستخدماً خوارزمية LightGBM للتعلّم الجماعي، مع هندسة ميزات مخصّصة. يحقق النموذج دقة تفسير للتباين ($R^2$) تبلغ 96%، مما يجعله أداة موثوقة للتسعير المتخصّص.مراحل بناء النموذج (Pipeline)1. هندسة الميزات (Feature Engineering):تم استنباط ميزات تعبّر عن الحالة الفعلية للسيارة:المسافة السنوية: لقياس مدى كثافة الاستخدام.معدل الاستهلاك: كفاءة الوقود بالنسبة لقوة المحرك.العمر: حساب العمر الفعلي بناءً على سنة الصنع.2. معالجة البيانات:استخدام ColumnTransformer لمسار معالجة مزدوج يضمن:تعويض القيم المفقودة: باستخدام الوسيط لضمان استمرارية البيانات.الترميز الرقمي: تحويل الفئات لبيانات تفهمها الخوارزميات الشجرية.التغليف (Pipeline): دمج كل المراحل في مسار واحد لسهولة النشر ومنع تسرب البيانات.3. الضبط والتعميم:تم استخدام Optuna للبحث البايزي عن أفضل المعاملات، مما يرفع دقة النموذج ويقلل وقت التجارب. كما أثبت فحص التعميم (Generalization) كفاءة النموذج، حيث بلغت دقة الاختبار 0.9601، مما يؤكد خلوه من الإفراط في التخصيص (Overfitting).الأدوات التقنيةالأساس: Python (Pandas, NumPy).النمذجة: Scikit-learn (لبناء الـ Pipeline)، LightGBM (للتعزيز التدرجي).التحسين: Optuna (لضبط المعاملات).النشر: Streamlit (واجهة ويب تفاعلية).التصور: Matplotlib.القيمة المضافةللمعارض والشركات: تسعير سريع وعادل للمخزون وتقييم دقيق للمخاطر المالية.للأفراد: الحصول على تقدير سوقي دقيق للتفاوض بثقة.