نموذج تصنيف لرضا العملاء باستخدام SVM وتقليل الأبعاد بـ PCA

استخدام dataset رضا ركاب الطيران (أكثر من 120,000 راكب) للإجابة على سؤال واحد حقيقي: إيه اللي بيخلي الراكب راضي عن رحلته فعلاً؟ المشروع مقسم على 5 مراحل: استكشاف البيانات (EDA): تحليل توزيع الرضا، تأثير درجة السفر، علاقة التأخير بالرضا، وكيف تختلف تقييمات الخدمة بين الراضين وغير الراضين — مع رسوم بيانية جاهزة لكل نتيجة. تنظيف البيانات: معالجة القيم المفقودة في عمود التأخير، وضبط القيم الشاذة بطريقة IQR Capping محسوبة على بيانات التدريب فقط لتفادي تسرب البيانات. Pipeline كامل للمعالجة: StandardScaler للبيانات الرقمية و OneHotEncoder للفئوية، كل شيء مبني داخل Pipeline منظم قابل لإعادة الاستخدام. تقليل الأبعاد بـ PCA: تحديد أقل عدد من المكونات يحتفظ بـ 95% من المعلومات، مع رسم بياني يوضح منحنى التباين المتراكم. نموذج SVM مضبوط: تدريب SVC مع ضبط المعاملات بـ HalvingGridSearchCV، وتقييم شامل بـ Classification Report Confusion Matrix منحنى ROC-AUC. ما الذي ستحصل عليه مقابل 5 دولار: Jupyter Notebook كامل (.ipynb) يحتوي على الكود الكامل موثقاً وشارحاً كل خطوة جميع الرسوم البيانية مضمنة جاهزة للعرض النموذج المدرب جاهز للاستخدام على نفس نوع البيانات النتائج والـ Takeaways مكتوبة بوضوح داخل الـ Notebook