emregergin/algerian-forest-fire-prediction

# Cezayir Orman Yangınları FWI Tahmini Projede "**Algerian Forest Fires Dataset**" veri setini kullanarak **Yangın Hava İndeksi (FWI - Fire Weather Index)** değeri tahmin edilmiştir. Proje kapsamında veri temizleme, ön işleme, keşifsel veri analizi (EDA) ve çeşitli regresyon modellerinin performans karşılaştırması yapılmıştır. ## Kullandığım Kütüphaneler * **NumPy** * **Pandas** * **Matplotlib** * **Seaborn** * **Scikit-learn** ## Veri Seti Kolonları - **Temperature**: Sıcaklık (Celsius) - **RH**: Bağıl Nem (%) - **Ws**: Rüzgar Hızı (km/s) - **Rain**: Yağış Miktarı (mm) - **FFMC**: Fine Fuel Moisture Code (İnce Yakıt Nem Kodu) - **DMC**: Duff Moisture Code (Orta Yakıt Nem Kodu) - **DC**: Drought Code (Kuraklık Kodu) - **ISI**: Initial Spread Index (İlk Yayılım İndeksi) - **BUI**: Buildup Index (Bünye Nem İndeksi) - **FWI**: Fire Weather Index (Yangın Hava İndeksi) -> **Hedef Değişken** - **Classes**: Yangın var (1) veya yok (0) durumu - **Region**: Bölge (Bejaia: 0, Sidi-Bel Abbes: 1) ## Proje Adımları Proje aşağıdaki adımlardan oluşmaktadır: 1. **Veri Yükleme ve Keşif:** Veri seti 'read_csv()' ile yüklendi ve 'info()', 'describe()', 'isnull().sum()' gibi fonksiyonlarla veri seti incelendi. 2. **Veri Temizleme ve Ön İşleme:** * Veri setinde bulunan iki bölge için de 'NaN' değerler içeren gereksiz satırlar temizlendi. * İki bölgeyi ayırt etmek için 'Region' adında yeni bir özellik (feature) oluşturuldu. * Sütun isimlerindeki gereksiz boşluklar kaldırıldı. * Tüm sütunların veri tipleri 'object' olduğu için 'astype()' kullanılarak uygun sayısal ('int', 'float' gibi) tiplere dönüştürüldü. * 'Classes' sütunundaki metin verileri ("not fire", "fire") sayısal (0, 1) değerlere dönüştürüldü. 3. **Keşifsel Veri Analizi (EDA):** * Özellikler arasındaki korelasyonu incelemek için bir ısı haritası ('heatmap') oluşturuldu. Bazı özellikler arasında yüksek korelasyon olduğu gözlemlendi. 4. **Özellik Seçimi ve Model Hazırlığı:** * 'day', 'month', 'year' sütunları, FW …