تنظيف البيانات

"مقدمة في تنظيف البيانات، وتحليل البيانات الاستكشافي، والتعلم الآلي"، تُقدم تدريبًا عمليًا على: تنظيف البيانات معالجة القيم المفقودة اكتشاف ومعالجة القيم المتطرفة إعداد مجموعة البيانات لتحليل البيانات الاستكشافي (EDA) والتعلم الآلي. تحتوي مجموعة البيانات على معلومات ديموغرافية وأكاديمية عن الطلاب: التناقضات (مثل: "Male" vs. "M", "Barrrchelors" vs. "Bachelor", "Rsa" vs. "RSA"). القيم المفقودة (خاصةً في درجات بايثون وقواعد البيانات). القيم المتطرفة (قيم غير واقعية في ساعات الدراسة ودرجات الأداء). تنظيف البيانات عمود الجنس ← القيم الموحدة لـ"M" and "F". عمود الدولة ← تصحيح الأحرف الكبيرة غير المتناسقة (مثل: "norway" → "Norway") عمود التعليم السابق ← تصحيح الأخطاء المطبعية ("Barrrchelors" → "Bachelor") واختلافات الدبلوم الموحدة. التكرارات ← تم التحقق منها باستخدام df.duplicated().sum() وحذفها باستخدام df.drop_duplicates(). معالجة البيانات المفقودة الأعمدة الرقمية (بايثون): تم اختبار المتوسط الحسابي والوسيط الحسابي لملء القيم المفقودة. لكنني استخدمت الوسيط. القيم المتطرفة الكشف: تم استخدام مخططات الصندوق (sns.boxplot) وطريقة IQR. خيارات المعالجة: التعامل معها كقيم واقعية.