كيف تبني نموذج تنبؤي بسيط باستخدام Python خطوة بخطوة

أغسطس 23, 2025

في عالم تحليل البيانات والذكاء الاصطناعي، بناء نموذج قادر على التنبؤ بالمستقبل لم يعد أمرًا معقدًا كما كان في السابق. باستخدام لغة Python ومكتباتها الغنية، يمكن لأي مبتدئ أن يبدأ رحلته في علم البيانات ويصمم نموذجًا يتوقع قيمًا مستقبلية بناءً على بيانات سابقة.

ما هو النموذج التنبؤي؟

النموذج التنبؤي هو أداة تعتمد على الخوارزميات لتحليل البيانات التاريخية واستخدامها في توقع النتائج المستقبلية. يُستخدم في مجالات كثيرة مثل:

  • التنبؤ بالمبيعات.

  • توقع سلوك العملاء.

  • تحليل الاتجاهات الاقتصادية.

الأدوات التي سنحتاجها – نموذج تنبؤي باستخدام Python

قبل أن نبدأ، تأكد من تثبيت المكتبات التالية:

pip install pandas scikit-learn matplotlib

  • pandas: لإدارة البيانات.

  • scikit-learn: لبناء النموذج.

  • matplotlib: لعرض النتائج.

خطوات بناء النموذج

1. استيراد المكتبات

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

2. ومن ثم تجهيز البيانات – نموذج تنبؤي باستخدام Python

لنفرض أن لدينا بيانات عن ساعات المذاكرة ودرجات الطلاب:

data = {
'Hours': [1, 2, 3, 4, 5, 6, 7, 8, 9],
'Scores': [20, 25, 35, 40, 50, 60, 65, 70, 80]
}
df = pd.DataFrame(data)

3. تقسيم البيانات

نفصل البيانات إلى تدريب واختبار:

X = df[['Hours']]
y = df['Scores']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. ومن ثم بناء النموذج

model = LinearRegression()
model.fit(X_train, y_train)

5. التنبؤ بالنتائج

y_pred = model.predict(X_test)

# عرض النتائج
plt.scatter(X, y, color='blue')
plt.plot(X, model.predict(X), color='red')
plt.xlabel("Hours Studied")
plt.ylabel("Scores")
plt.title("Study Hours vs Scores")
plt.show()

النتيجة – نموذج تنبؤي باستخدام Python

النموذج سيرسم خطًا يوضح العلاقة بين عدد ساعات المذاكرة والدرجات المتوقعة. وبمجرد إدخال أي قيمة جديدة (عدد ساعات مذاكرة) سيقوم بإعطاء توقع للدرجة بشكل تلقائي.

الخلاصة

لذلك باستخدام بضع أسطر فقط من Python، يمكنك بناء نموذج بسيط يساعدك على التنبؤ بالنتائج المستقبلية. ومع التعمق أكثر، يمكن الانتقال لنماذج متقدمة مثل الانحدار اللوجستي، أشجار القرار، أو حتى الشبكات العصبية.

اقرا ايضا : طرق فعالة لتوثيق خطوات تحليل البيانات

بطاقة