| # نموذج Random Forest لتوقع أسعار الإيجار |
|
|
| هذا النموذج يستخدم خوارزمية **Random Forest** لتوقع أسعار قوائم الإيجار في مدينة نيويورك بناءً على مجموعة من الميزات. |
|
|
| ## المميزات |
| - **الميزات المدخلة:** |
| - `host_id`: معرف المضيف |
| - `neighbourhood_group`: مجموعة الجوار |
| - `neighbourhood`: الجوار |
| - `room_type`: نوع الغرفة |
| - `latitude`: خط العرض |
| - `longitude`: خط الطول |
| - `number_of_reviews`: عدد التقييمات |
| - `calculated_host_listings_count`: عدد القوائم المحسوبة للمضيف |
|
|
| - **المتغير المستهدف:** |
| - `price`: سعر الإيجار المتوقع |
|
|
| ## كيفية الاستخدام |
| يمكنك استخدام واجهة برمجة التطبيقات الخاصة بـ Hugging Face لاستدعاء النموذج وإجراء التنبؤات. تأكد من إرسال البيانات بشكل صحيح وفقًا للميزات المدخلة. |
|
|
| ## قيود |
| - النموذج تم تدريبه على بيانات محدودة وقد لا يعكس الأسعار الدقيقة في جميع الحالات. |
| - يمكن أن تتأثر الدقة بالعوامل الخارجية مثل تغير السوق. |
|
|
| ## مثال على الاستخدام |
| ```python |
| import requests |
|
|
| API_URL = "https://api-inference.huggingface.co/models/fahad1995/random_forest_model" |
| headers = {"Authorization": "Bearer YOUR_ACCESS_TOKEN"} |
|
|
| # البيانات المدخلة |
| data = { |
| "host_id": 1234, |
| "neighbourhood_group": "Manhattan", |
| "neighbourhood": "Upper East Side", |
| "room_type": "Entire home/apt", |
| "latitude": 40.7753, |
| "longitude": -73.9521, |
| "number_of_reviews": 50, |
| "calculated_host_listings_count": 2 |
| } |
|
|
| response = requests.post(API_URL, headers=headers, json=data) |
| print(response.json()) |
| |
