تحليل وتصنيف أسعار السيارات المستعملة باستخدام Machine Learning (K-Means & Logistic Regression)

تم تنفيذ مشروع تحليل بيانات لسيارات مستعملة باستخدام لغة Python ومكتبات تحليل البيانات والتعلم الآلي بهدف: تنظيف ومعالجة البيانات (Data Cleaning & Preprocessing) تطبيق خوارزمية K-Means لتجميع السيارات حسب الخصائص المختلفة استخدام Elbow Method لتحديد العدد الأمثل للعناقيد (Clusters) بناء نموذج Logistic Regression لتصنيف السيارات إلى رخيصة أو مرتفعة السعر تقييم أداء النموذج باستخدام ROC Curve وقياس AUC الأدوات المستخدمة: Pandas لمعالجة البيانات NumPy للحسابات العددية Matplotlib لعرض الرسوم البيانية Scikit-learn لبناء نماذج التعلم الآلي النتائج: تحديد عدد مناسب من المجموعات باستخدام Elbow Method بناء نموذج تصنيف حقق أداء قوي (AUC مرتفع) استخراج Insights تساعد في فهم العوامل المؤثرة على سعر السيارة المشروع قابل للتطوير ليصبح نظام توقع أسعار كامل أو Dashboard تفاعلي. المشروع قابل للتطبيق على أي Dataset مشابه، وإن الكود منظم وقابل لإعادة الاستخدام.