كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

التنبؤ بأسعار المنازل

متوسطانحدار Regression

وصف المشكلة

تقدير سعر المنزل من المساحة وعدد الغرف والعمر والمسافة عن المركز. البيانات اصطناعية.

الأهداف

  • بناء نماذج انحدار ومقارنتها
  • قراءة MAE وRMSE وR²
  • فهم متى يكفي النموذج الخطي

نوع المشكلة

انحدار Regression

مجموعة البيانات

الأدوات المستخدمة

الخوارزميات

خطوات التنفيذ

  1. في KNIME: File ← Import KNIME Workflow… واختر house-prices.knwf، ثم Execute all.
  2. افتح house-prices.ows في Orange.
  3. قارن Linear Regression وTree وRandom Forest في Test and Score.
  4. في WEKA: افتح houses-synthetic.arff ← Classify ← LinearRegression ثم M5P وRandomForest.
  5. ارسم الأخطاء مقابل القيم الحقيقية للبحث عن نمط.

مخطط سير العمل

Orange

DataEvaluateVisualizeModel

File FileData Table Data TableTest and Score Test and ScoreScatter Plot Scatter PlotLinear Regression Linear RegressionTree TreeRandom Forest Random ForestDataDataDataLearnerLearnerLearner
مرسوم من ملف سير العمل بصيغة OWS المرفق بالمشروع: العناصر (Widgets) وأيقوناتها وألوان فئاتها وأسماء القنوات على الروابط كما تظهر عند فتحه في Orange.

↔ اسحب المخطط أفقياً لرؤيته كاملاً.

الاتصالات نصاً (6)
  • File → Data Table (Data)
  • File → Test and Score (Data)
  • File → Scatter Plot (Data)
  • Linear Regression → Test and Score (Learner)
  • Tree → Test and Score (Learner)
  • Random Forest → Test and Score (Learner)

KNIME

مصدر (Source)معالجة (Manipulator)متعلّم (Learner)متنبّئ (Predictor)أداة/تقييم (Other)منفذ بياناتمنفذ نموذج

CSV Reader — مصدر (Source)CSV ReaderNode 1Missing Value — معالجة (Manipulator)Missing ValueNode 2Partitioning — معالجة (Manipulator)PartitioningNode 3Linear Regression Learner — متعلّم (Learner)Linear RegressionLearnerNode 4Regression Predictor — متنبّئ (Predictor)Regression PredictorNode 5Numeric Scorer — أداة/تقييم (Other)Numeric ScorerNode 6Random Forest Learner (Regression) — متعلّم (Learner)Random Forest Learner(Regression)Node 7Random Forest Predictor (Regression) — متنبّئ (Predictor)Random ForestPredictor (Regression)Node 8Numeric Scorer — أداة/تقييم (Other)Numeric ScorerNode 9
عُقد KNIME (Nodes) بأسمائها في مستودع العُقد وأيقوناتها الأصلية ولون نوعها وشكلها ومنافذها (المثلث للبيانات والمربع للنموذج) وإشارة الحالة، لتبنيها بالترتيب نفسه. وملف سير العمل الجاهز بصيغة KNWF مرفق في «ملفات المشروع»، وقد نُفّذ بنجاح في محرك KNIME 5.12.

↔ اسحب المخطط أفقياً لرؤيته كاملاً.

الاتصالات نصاً (10)
  • CSV Reader → Missing Value
  • Missing Value → Partitioning
  • Partitioning → Linear Regression Learner
  • Linear Regression Learner → Regression Predictor
  • Regression Predictor → Numeric Scorer
  • Partitioning → Regression Predictor
  • Partitioning → Random Forest Learner (Regression)
  • Random Forest Learner (Regression) → Random Forest Predictor (Regression)
  • Random Forest Predictor (Regression) → Numeric Scorer
  • Partitioning → Random Forest Predictor (Regression)

ملفات المشروع

ملف KNIME (.knwf) بُني على KNIME 5.12 ونُفّذت كل عُقده بنجاح في محرك KNIME دون فتح الواجهة؛ افتحه من File ← Import KNIME Workflow.

النتائج

نتائج فعلية محسوبة على الملفات المرفقة

مرجع scikit-learn 1.9.1، 10-fold CV, shuffle, random_state=42:
• Linear Regression: MAE 20,712.90، RMSE 26,147.25، R² 0.965
• Decision Tree: MAE 32,930.40، RMSE 41,151.69، R² 0.912
• Random Forest: MAE 23,659.11، RMSE 29,576.34، R² 0.955
ونتائج مكتبة Orange 3.41.0 (10-fold، كإعدادات Test and Score الافتراضية):
• Linear Regression: MAE 20,761.72، RMSE 26,272.15، R² 0.964
• Tree: MAE 33,034.60، RMSE 40,929.65، R² 0.913
• Random Forest: MAE 25,072.82، RMSE 31,113.13، R² 0.950

مقاييس التقييم

  • MAE
  • RMSE
  • R²

تفسير النتائج

الانحدار الخطي يفسر نحو 96% من التباين لأن الأسعار ولّدت بعلاقة خطية تقريباً مع ضوضاء؛ في الأسواق الحقيقية العلاقات أعقد وتحتاج خصائص الموقع والجودة.

أسئلة للمناقشة

  • لماذا RMSE أكبر دائماً من MAE أو يساويه؟
  • ماذا يعني R² = 0.96 عملياً؟
  • كيف تتعامل مع منزل خارج مدى بيانات التدريب؟

جرّبه في مختبر الانحدار

مشاريع مشابهة