يهدف هذا المشروع إلى تحليل وتوقع حالات عدم الحضور للمواعيد باستخدام مجموعة بيانات من المواعيد الطبية. تتضمن مجموعة البيانات معلومات مثل اليوم المجدول ويوم الموعد وخصائص المريض المختلفة. الهدف هو تحليل البيانات وإجراء المعالجة المسبقة وتطبيق نماذج التعلم الآلي للتنبؤ بما إذا كان المريض سيحضر موعده أم لا.
الاستخدام
Python Notebook
معالجة البيانات المسبقة: 1. تحويل أعمدة التاريخ إلى صيغة التاريخ والوقت 2. حساب المدة بين الأيام المجدولة وأيام الموعد 3. إعادة تسمية بعض الأعمدة إلى أسماء صالحة 4. تعيين القيم التصنيفية إلى قيم عددية
تحليل البيانات الاستكشافي (EDA): تحليل مجموعة البيانات للكشف عن الأنماط والاتجاهات المتعلقة بعدم حضور المرضى.
التعامل مع الفئات غير المتوازنة: تطبيق SMOTE لمعالجة اختلال التوازن في الفئات وتحسين أداء النموذج.
النماذج المستخدمة: استخدمت RandomForestClassifier وXGBoost للتنبؤ بعدم حضور المواعيد.
التقييم: يتم تقييم النماذج باستخدام مقاييس مثل الدقة والضبط والتذكر ودرجة F1.
تقرير Power BI
أقوم بتصور البيانات للكشف عن الأفكار.
الأفكار:
- عدد المواعيد النسائية هو ضعف عدد المواعيد للرجال تقريبًا.
- يوم الثلاثاء هو الأعلى من حيث عدد المواعيد المجدولة.
- يوم الأربعاء هو الأعلى من حيث عدد المواعيد الفعلية.
- يوم السبت هو الأقل من حيث عدد المواعيد المجدولة.
- لا يتلقى الكثير من الأشخاص أي رسائل تذكير عبر الرسائل القصيرة، مما يؤثر على حضور المواعيد.
- المدة بين الجدولة والموعد لها تأثير كبير، حيث ترتبط الفترات الأطول بمعدلات أعلى لعدم الحضور.
| اسم المستقل | Ola S. |
| عدد الإعجابات | 0 |
| عدد المشاهدات | 10 |
| تاريخ الإضافة | |
| تاريخ الإنجاز |
