هل حل التمرين التالي صحيح؟

صلاحيات الرابط غير صحيحة، قم بالضغط على share أعلى اليمين ثم اختر anyone with the link للسماح لأي شخص برؤية الكود في الملف

https://colab.research.google.com/drive/1-9I0Lp9y7w7xCdO0moV3zYKgMHSNDlTd?usp=sharing

بتاريخ 10 دقائق مضت قال اويس عبد الباسط ذياب بني ملحم:

https://colab.research.google.com/drive/1-9I0Lp9y7w7xCdO0moV3zYKgMHSNDlTd?usp=sharing

الحل صحيح بشكل عام ويحقق المتطلبات الأساسية للتمرين.

فقد استخدمت Random Forest كتقنية كلاسيكية والشبكة العصبية كما طلب في التمرين وطبقت مقياس MAE بشكل صحيح.

بعد رؤيتي لجزء تقسيم البيانات يبدو لي أن ذلك قد تم بالطريقة المحددة.

وبالنسبة للنتائج الخاصة بمعالجة البيانات هي صحيحة خاصة من خلال استخراج الميزات من التاريخ والوقت مثل الساعة ويوم الأسبوع وإضافة متغير نهاية الأسبوع لذا حسب تحليلي فالتصورات البيانية مناسبة وتساعد في فهم البيانات بشكل جيد.

لكن لدي ملاحظة بسيطة بحيث أن هناك عدم اتساق في معالجة البيانات الفئوية فقد استخدمت pd.get_dummies() مرة و OneHotEncoder مرة أخرى ولم تقم بطباعة النتائج النهائية للمقارنة بين النموذجين بوضوح يمكنك أيضا تحسين أداء النماذج من خلال ضبط المعاملات واستخدام تقنيات أخرى ينصح بها.

بتاريخ 17 ساعة قال اويس عبد الباسط ذياب بني ملحم:

https://colab.research.google.com/drive/1-9I0Lp9y7w7xCdO0moV3zYKgMHSNDlTd?usp=sharing

الحل لا مشكلة به، بناءًا على المتطلبات في الملف، حيث تنبأت بـ traffic_volume، استخدمت تقنية كلاسيكية وهي Random Forest وشبكة عصبية، ثم استخدمت MAE كمقياس، أجريت معالجة مسبقة للبيانات وقمت بتقسيم البيانات كما هو مطلوب.

والنموذج الكلاسيكي قدم أداء جيد،  والشبكة العصبية كما هو متوقع بدون ضبط دقيق، لم تقدم أداء منافس، ولتحقيق هدف الحصول على دقة أعلى من زملائك، عليك التركيز على تحسين الشبكة العصبية واستكشاف الميزات الإضافية التي تم تجاهلها.