فكرة المشروع:
في المشروع ده، طورت موديل تنبؤي هدفه مساعدة المؤسسات المالية على تقدير مبالغ القروض المناسبة للعملاء بناءً على بياناتهم الشخصية والمالية. الفكرة هي الانتقال من التقدير العشوائي إلى اتخاذ قرارات مبنية على الأرقام والبيانات التاريخية.
إيه اللي أنا عملته في المشروع؟
تحليل البيانات (EDA): بدأت بفهم البيانات بشكل عميق، عملت تنظيف للقيم المفقودة، وحللت العلاقات بين المتغيرات مثل "التاريخ الائتماني" (Credit History) وتأثيره على مبلغ القرض باستخدام الـ Boxplots والتحليلات الإحصائية.
اختيار المميزات (Feature Selection): استخدمت تقنية SelectKBest لتحديد أكثر العوامل تأثيراً في تحديد قيمة القرض، وده ساعدني أركز الموديل على البيانات الأكثر أهمية فعلياً.
بناء وتدريب النماذج: جربت وقارنت بين أكثر من موديل (Linear Regression, Random Forest Regressor, و Gradient Boosting Regressor) عشان أوصل لأدق نتائج ممكنة في التنبؤ.
النتائج: قمت بقياس أداء الموديلات باستخدام مقاييس دقيقة زي (Mean Absolute Error, Mean Squared Error, R2 Score) لضمان أن الموديل يعطي تنبؤات واقعية.
