نظام توقع أمراض القلب باستخدام تحليل البياناتو تعلم الآلة

قمت ببناء مشروع متكامل لتوقع احتمالية الإصابة بأمراض القلب باستخدام بيانات UCI Heart Disease Dataset المشروع تم تنفيذه كـ Pipeline كاملة لتعلم الآلة بداية من تنظيف البيانات وحتى نشر النموذج. ما تم تنفيذه في المشروع: ? معالجة البيانات (Data Preprocessing): تنظيف البيانات والتعامل مع القيم المفقودة ترميز المتغيرات الفئوية توحيد القيم العددية باستخدام StandardScaler تنفيذ تحليل استكشافي شامل (EDA) باستخدام الرسوم البيانية وخرائط الارتباط ? تقليل الأبعاد (PCA): تطبيق تحليل المكونات الرئيسية لتقليل عدد الخصائص تحديد عدد المكونات المثالي بناءً على نسبة التباين المفسر عرض النتائج بيانياً ? اختيار الخصائص (Feature Selection): استخدام Feature Importance من Random Forest تطبيق Recursive Feature Elimination (RFE) استخدام اختبار Chi-Square لاختيار أهم المتغيرات ? تدريب نماذج التصنيف: تم تدريب ومقارنة عدة نماذج: Logistic Regression Decision Tree Random Forest Support Vector Machine (SVM) وتم تقييم الأداء باستخدام: Accuracy – Precision – Recall – F1-Score – ROC Curve – AUC ? التعلم غير الخاضع للإشراف: تطبيق K-Means Clustering تنفيذ Hierarchical Clustering وتحليل Dendrogram مقارنة نتائج التجميع مع النتائج الفعلية لاكتشاف الأنماط ? تحسين الأداء (Hyperparameter Tuning): استخدام GridSearchCV و RandomizedSearchCV اختيار النموذج الأفضل بعد التحسين ? تصدير النموذج والنشر: حفظ النموذج بصيغة .pkl رفع المشروع على GitHub