بناء نموذج تعلم آلة لتجميع وتصنيف البيانات
تفاصيل العمل
المنهجية المتبعة في المشروع: تجهيز البيانات (Data Preprocessing): تنظيف البيانات وحذف الأعمدة غير المؤثرة، وتطبيق One-Hot Encoding لتحويل البيانات النصية إلى رقمية. معالجة القيم الشاذة: استخدام RobustScaler لعمل Scaling للبيانات، وهو اختيار دقيق للتعامل مع القيم المتطرفة في بيانات المبيعات. تحديد العدد الأمثل للمجموعات: استخدام طريقة Elbow Method لتحديد أن أفضل عدد للـ Clusters هو 3. بناء النماذج والمقارنة: تطبيق خوارزمية K-Means (حقق دقة فصل Silhouette Score = 0.94). تطبيق خوارزمية DBSCAN لاكتشاف الكثافة والتعامل مع الـ Noise (حقق Score = 0.91). التمثيل البصري: رسم النتائج لتوضيح العلاقة بين المبيعات (Sales) والأرباح (Profit) لكل شريحة عملاء.
مهارات العمل
بطاقة العمل
طلب عمل مماثل
