بناء نموذج Machine Learning باستخدام خوارزمية الانحدار اللوجستي (Logistic Regression)

في هذا المشروع، قمت بتصميم وتطوير نموذج تعلم آلي لتحليل وتصنيف البيانات باستخدام خوارزمية الانحدار اللوجستي. الهدف من المشروع هو بناء نموذج دقيق لتصنيف البيانات بناءً على السمات المحددة وتحليل أدائه. الخطوات التي تم تنفيذها: معالجة البيانات: تنظيف البيانات ومعالجة القيم المفقودة. تحويل البيانات النصية إلى قيم رقمية باستخدام تقنيات الترميز (مثل One-Hot Encoding أو Label Encoding). تقسيم البيانات إلى مجموعات تدريب واختبار (Train-Test Split). تدريب النموذج: استخدام مكتبة scikit-learn لتطبيق خوارزمية الانحدار اللوجستي. تدريب النموذج على بيانات التدريب وضبط المعلمات لتحسين الأداء. اختبار النموذج وتحليل الأداء: تقييم النموذج على بيانات الاختبار وقياس الدقة باستخدام مقاييس الأداء التالية: الدقة (Accuracy). مصفوفة الالتباس (Confusion Matrix). الدقة الإيجابية (Precision). الحساسية (Recall). معدل الـ F1 (F1-Score). الأدوات والتقنيات المستخدمة: Python: اللغة الأساسية لتنفيذ المشروع. مكتبات تعلم الآلة: scikit-learn: لتطبيق نموذج الانحدار اللوجستي وتحليل الأداء. Pandas: لتحليل البيانات ومعالجتها. النتائج: نموذج قادر على تصنيف البيانات بدقة عالية تصل إلى (86.250%). تحليل مفصّل للأداء مع توضيح النقاط القوية والفرص لتحسين النموذج.