# 🏡 توقعات مبيعات العقارات مع XGBoost
يتنبأ هذا المشروع بمبيعات الوحدات الشهرية وأسعارها لمنتج عقاري باستخدام بيانات المبيعات التاريخية وتقنيات التعلم الآلي. صُمم النموذج باستخدام XGBoost، وهو مُعزز بهندسة ميزات ذكية لتتبع الاتجاهات والزخم والتقلبات الموسمية.
---
## ✨ملخص المشروع
باستخدام بيانات منظمة واقعية من عام ٢٠٢٤، يتنبأ هذا الدفتر بأداء المبيعات والأسعار لشهر يناير ٢٠٢٥، ويقارن التوقعات بالنتائج الفعلية من خلال تصورات تفصيلية. يساعد هذا الدفتر على تحديد كيفية تأثير مقاييس التسعير والتفاعل على أحجام المبيعات المستقبلية.
---
## 📊 وصف مفصل للمشروع
يتعامل الكمبيوتر المحمول مع خط أنابيب التعلم الآلي بالكامل:
- **تحميل البيانات**: تحميل بيانات مبيعات العقارات لعام 2024 والنتائج الفعلية لشهر يناير 2025.
- **معالجة البيانات**: تنظيف وتحويل وهندسة الميزات مثل المبيعات السابقة وزخم المبيعات.
- **تدريب النموذج**: يقوم بتدريب نموذج الانحدار XGBoost باستخدام معلمات محسنة لتقليل الخطأ وتعزيز دقة التنبؤ.
- **التوقع**: تقدير عدد الوحدات المباعة وسعرها في يناير 2025 بناءً على افتراضات التضخم والطلب.
- **التحقق**: مقارنة توقعات النموذج بالمبيعات الفعلية لشهر يناير 2025 باستخدام الجداول المنظمة.
- **التصور**:
- تطور الأسعار خلال عام 2024
- العلاقة بين السعر والمبيعات
- مقارنة الأسعار المتوقعة بالسعر الفعلي
- مقارنة بين الوحدات المباعة المتوقعة والوحدات الفعلية
تم تصميم المشروع للعاملين لحسابهم الخاص والمحللين ومحترفي العقارات الذين يريدون الحصول على رؤى قابلة للقياس ومبنية على النماذج حول سلوك التسعير والمبيعات.
---
## 🚀 كيفية الجري
1. افتح دفتر الملاحظات في **Google Colab**.
2. قم بتحميل ملف المبيعات الأصلي لعام 2024 عند مطالبتك بذلك.
3. قم بتحميل ملف نتائج يناير 2025 الفعلية عندما يُطلب منك ذلك.
4. قم بتشغيل جميع الخلايا لرؤية التوقعات ومقاييس التقييم ومخططات المقارنة الغنية.
---
## 📁 تنسيقات ملفات الإدخال
**ملف مبيعات 2024**
ملف CSV يحتوي على مبيعات الوحدات الشهرية مع الحقول:
`التاريخ`، `اسم المنتج`، `الوحدات المباعة`، `سعر الوحدة (جنيه مصري)`، `الخصم (%)`، `زيارات الموقع الإلكتروني`، `السعر بعد الخصم`
**ملف يناير 2025 الفعلي**
ملف CSV أحادي الصف بنفس البنية، لشهر يناير 2025 فقط.
---
## 🧪 مقاييس التقييم
- درجة R²
- خطأ التربيع المتوسط (MSE)
- متوسط الخطأ المطلق (MAE)
---
## 🎨 مجموعة أدوات تقنية
- بايثون 3.x
- باندا، نامباي
- XGBoost
- scikit-learn
- Seaborn، Matplotlib
---
## 📬 اتصل
مشروع بناه **عمر**
حلول تعتمد على البيانات وتدعمها الذكاء الاصطناعي للتنبؤ واتخاذ القرارات في العالم الحقيقي.