التنبؤ بنجاة المرضى بعد تشخيص سرطان الثدي باستخدام تقنيات التعلّم الآلي. يمكن للتنبؤ المبكر أن يُحدث فرقًا كبيرًا في قرارات العلاج ورعاية المرضى.
في هذا المشروع، قمتُ بمقارنة عدة نماذج — Random Forest و XGBoost و Voting Classifier — لاختيار النموذج الأكثر فعالية في التنبؤ. وقد تميّز نموذجVoting Classifier بتحقيقه أعلى معدلات الدقّة (Accuracy) والاستدعاء (Recall) والدقّة الإيجابية (Precision).
أبرز النقاط في المشروع:
معالجة البيانات المسبقة والتعامل مع مشكلة عدم توازن الفئات باستخدام SMOTEENN.
عرض النتائج بصريًا باستخدام مصفوفات الالتباس (Confusion Matrices) و منحنيات ROC/PR.
تقديم رؤى عملية لدعم قرارات الرعاية الصحية.
