تحليل وتنبؤ بالانبعاثات العالمية باستخدام 4 نماذج تعلم آلي مع تقييم الأداء واختيار الأفضل

مشروع تحليل والتنبؤ بانبعاثات ثاني أكسيد الكربون في القطاع الزراعي والغذائي (AgroFood CO₂ Emission Prediction Project). قمت بتنفيذ مشروع متكامل لتحليل بيانات انبعاثات ثاني أكسيد الكربون المرتبطة بالإنتاج الزراعي والغذائي بهدف التنبؤ بمستويات الانبعاثات باستخدام تقنيات تعلم الآلة (Machine Learning). بدأت بتنظيف البيانات (Data Cleaning) ومعالجة القيم المفقودة (Missing Values) واكتشاف القيم الشاذة (Outliers) وتحويل البيانات إلى صيغة مناسبة للنمذجة. بعد ذلك أجريت تحليلًا استكشافيًا للبيانات (Exploratory Data Analysis - EDA) لاستخراج الأنماط والعلاقات بين المتغيرات المؤثرة على الانبعاثات. قمت بتجربة عدة نماذج للتنبؤ (Regression Models) ومقارنتها باستخدام مؤشرات تقييم مختلفة مثل: * متوسط الخطأ المطلق (Mean Absolute Error - MAE) * الجذر التربيعي لمتوسط مربع الخطأ (Root Mean Squared Error - RMSE) * معامل التحديد (R² Score) النماذج المستخدمة: * الانحدار الخطي (Linear Regression) * انحدار ريدج (Ridge Regression) * انحدار لاسو (Lasso Regression) * الغابات العشوائية (Random Forest) أظهرت النتائج أن نموذج الغابات العشوائية (Random Forest) حقق أفضل أداء بدقة تنبؤ عالية وقيم خطأ أقل مقارنة بباقي النماذج، حيث حقق أعلى قيمة R² وأقل MAE وRMSE، مما يدل على قدرته العالية في التقاط العلاقات المعقدة داخل البيانات. المشروع يوضح القدرة على: ✔ معالجة البيانات وتحليلها ✔ بناء نماذج تعلم الآلة ✔ تقييم وتحسين أداء النماذج ✔ استخراج insights تدعم اتخاذ القرار البيئي تم تنفيذ المشروع باستخدام Python ومكتبات تحليل البيانات وتعلم الآلة مثل Pandas وScikit-learn.