Heart Disease Prediction

تم تنفيذ مشروع يعتمد على تقنيات التعلّم الآلي (Machine Learning) باستخدام مكتبة Scikit-learn للتنبؤ باحتمالية إصابة الفرد بأمراض القلب بناءً على مجموعة من المؤشرات الطبية. يهدف المشروع إلى تقديم أداة ذكية تساعد في تحليل البيانات الطبية والتنبؤ بالمخاطر الصحية بشكل سريع ودقيق. تفاصيل العمل: تم استخدام UCI Heart Disease Dataset كمصدر للبيانات. إجراء تنظيف وتحليل استكشافي شامل (EDA) للبيانات لاكتشاف العلاقات بين المتغيرات مثل العمر، ضغط الدم، الكولسترول، وغيرها. تدريب نماذج متعددة مثل Logistic Regression، Random Forest، SVM ومقارنة أدائها لاختيار النموذج الأفضل. تقييم الأداء باستخدام مؤشرات مثل Accuracy, Precision, Recall, F1-Score. تطوير تطبيق ويب تفاعلي باستخدام Streamlit لتمكين المستخدم من إدخال القيم الطبية الخاصة به والحصول على نتيجة فورية حول احتمالية الإصابة. الأدوات والتقنيات المستخدمة: Python Scikit-learn Pandas, NumPy, Matplotlib Streamlit UCI Heart Disease Dataset النتائج: حقق النموذج دقة تجاوزت 85% في التنبؤ بإصابة المستخدمين بأمراض القلب، مع واجهة تفاعلية بسيطة وسهلة الاستخدام.