Heart Disease Prediction

قمت بإنشاء نظام متكامل للتنبؤ بمخاطر الإصابة بأمراض القلب باستخدام بيانات UCI Cleveland. المشروع يشمل: معالجة البيانات: تنظيف البيانات، التعامل مع القيم المفقودة، الترميز، والتقييس. التحليل الاستكشافي (EDA): رسم خرائط الارتباط وتحليل المتغيرات الأساسية. هندسة واختيار الخصائص: إضافة متغيرات جديدة، تطبيق PCA، واستخدام طرق هجينة لاختيار أفضل الخصائص. معالجة عدم توازن البيانات باستخدام SMOTE. تدريب نماذج متعددة: Logistic Regression، Decision Tree، Random Forest، SVM، XGBoost مع ضبط للـ Hyperparameters. التجميع (Ensemble Learning) باستخدام Voting Classifier للحصول على أداء أعلى. نشر النموذج من خلال تطبيق تفاعلي باستخدام Streamlit لتقديم توقعات لحظية بناءً على بيانات المرضى. النتيجة: النموذج النهائي حقق دقة متوازنة 92.4% و ROC AUC = 0.958، مع واجهة تفاعلية سهلة الاستخدام.