تنبؤ بأمراض القلب – Full Machine Learning Pipeline

يبني هذا المشروع complete machine learning pipeline لتحليل والتنبؤ بمخاطر أمراض القلب باستخدام مجموعة بيانات أمراض القلب من UCI. يغطي المشروع كامل سير العمل من تنظيف البيانات ومعالجتها مسبقًا إلى اختيار الميزات، وتدريب النموذج، والتقييم، والنشر باستخدام تطبيق ويب تفاعلي. يُظهر المشروع قوة supervised and unsupervised learning, جنبًا إلى جنب مع تقليل الأبعاد (PCA)، وضبط المعاملات الفائقة، والتصويرات للاستكشاف العميق والمفيد. الأهداف - تنظيف البيانات ومعالجتها مسبقًا (التعامل مع القيم المفقودة، ترميز الخصائص الفئوية، وتحجيم الخصائص الرقمية). - تطبيق PCA لتقليل الأبعاد مع الاحتفاظ بالمعلومات الرئيسية. - إجراء اختيار الخصائص باستخدام Random Forest importance, RFE, and Chi-Square tests. - تدريب وتقييم supervised models: Logistic Regression, Decision Tree, Random Forest, and SVM. - Apply unsupervised learning: K-Means and Hierarchical Clustering for pattern discovery. - تحسين أداء النموذج باستخدام GridSearchCV و RandomizedSearchCV. - بناء واجهة ويب باستخدام Streamlit للتنبؤات في الوقت الفعلي.