التنبؤ بأسعار المنازل
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
- في KNIME: File ← Import KNIME Workflow… واختر house-prices.knwf، ثم Execute all.
- افتح house-prices.ows في Orange.
- قارن Linear Regression وTree وRandom Forest في Test and Score.
- في WEKA: افتح houses-synthetic.arff ← Classify ← LinearRegression ثم M5P وRandomForest.
- ارسم الأخطاء مقابل القيم الحقيقية للبحث عن نمط.
مخطط سير العمل
Orange
DataEvaluateVisualizeModel
↔ 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
↔ 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
- مجموعة البيانات CSVCSV11.9 كيلوبايت
- ملف WEKA بصيغة ARFFWEKA ARFF12.2 كيلوبايت
- سير عمل Orange (.ows)Orange5.8 كيلوبايت
- البيانات بصيغة Orange (.tab) لسير العملOrange TAB12.0 كيلوبايت
- النتائج المرجعية المحسوبة (CSV)نتائج134.0 بايت
- سير عمل KNIME (.knwf): نُفّذ بنجاح في محرك KNIME 5.12 (لم يُفتح في الواجهة)KNIME64.5 كيلوبايت
- دليل التنفيذ خطوة بخطوة (PDF)PDF587.5 كيلوبايت
- حزمة المشروع كاملة (ZIP)ZIP595.7 كيلوبايت
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
• 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؟
