README.md

---
language:
- ar
- en
license: mit
tags:
- regression
- random-forest
- prediction
- housing
pipeline_tag: tabular-regression
---

# نموذج لتوقع أسعار الإيجار
# Random Forest Model for Predicting Rental Prices

هذا النموذج يستخدم خوارزمية  لتوقع أسعار قوائم الإيجار في مدينة نيويورك بناءً على مجموعة من الميزات.
# This model uses the **Random Forest** algorithm to predict rental prices for listings in New York City based on a set of features.

## المميزات
## Features
- **الميزات المدخلة:**
- **Input Features:**
  - `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
- **Target Variable:**
  - `price`: سعر الإيجار المتوقع

## كيفية الاستخدام
## How to Use
يمكنك استخدام واجهة برمجة التطبيقات الخاصة بـ Hugging Face لاستدعاء النموذج وإجراء التنبؤات. تأكد من إرسال البيانات بشكل صحيح وفقًا للميزات المدخلة.
You can use the Hugging Face API to call the model and make predictions. Make sure to send the data correctly according to the input features.

## قيود
## Limitations
- النموذج تم تدريبه على بيانات محدودة وقد لا يعكس الأسعار الدقيقة في جميع الحالات.
- The model was trained on limited data and may not reflect accurate prices in all cases.
- يمكن أن تتأثر الدقة بالعوامل الخارجية مثل تغير السوق.
- Accuracy may be affected by external factors such as market changes.

## مثال على الاستخدام
## Example of Use
```python
import requests

API_URL = "https://api-inference.huggingface.co/models/fahad1995/random_forest_model"
headers = {"Authorization": "Bearer YOUR_ACCESS_TOKEN"}

# البيانات المدخلة
# Input Data
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())