التنبؤ بسرطان الثدي

التنبؤ بسرطان الثدي نظرة عامة على المشروع: يركز هذا المشروع على التنبؤ بما إذا كان ورم الثدي خبيثًا أم حميدًا باستخدام التعلم الآلي. باستخدام مجموعة بيانات من خصائص ورم الثدي، يحدد النموذج السمات الرئيسية المتعلقة بالخباثة، مما يساعد في دعم التشخيص المبكر وجهود العلاج. السمات الرئيسية: معالجة البيانات مسبقًا: التعامل مع القيم المفقودة، وترميز البيانات التصنيفية، وقياس السمات لتحسين أداء النموذج. تحليل البيانات الاستكشافية (EDA): تصور العلاقات بين السمات وتحديد السمات المهمة للأورام الخبيثة مقابل الحميدة. اختيار السمات: استخدام إزالة السمات المتكررة (RFE) والتحقق المتبادل لتحديد السمات الأكثر تأثيرًا، وتبسيط النموذج. تدريب النموذج وتقييمه: بناء نماذج متعددة بما في ذلك الانحدار اللوجستي، وخوارزمية بايز الساذجة، وتصنيف الغابات العشوائية. تطبيق ضبط المعلمات الفائقة لكل نموذج لتحقيق الدقة المثلى. تم تقييم أداء كل نموذج باستخدام مقاييس مثل الدقة والدقة والتذكير ودرجة F1. التقنيات المستخدمة: Python: لمعالجة البيانات وتطوير النماذج. المكتبات: numpy وpandas وseaborn وmatplotlib وscikit-learn. النتائج والرؤى: حقق أفضل نموذج أداءً دقة عالية في التنبؤ بأورام الثدي الخبيثة، مما يُظهر إمكانات التعلم الآلي في دعم التشخيص الطبي. من خلال التركيز على الميزات المؤثرة، يسلط هذا المشروع الضوء على كيفية مساهمة علم البيانات في اتخاذ القرارات المتعلقة بالرعاية الصحية.