| # 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()) | |