DiabetesMind

DiabetesMind: نظام ذكاء اصطناعي متقدم للتنبؤ بمخاطر السكري

DiabetesMind هو مشروع تعلم آلي يهدف إلى التنبؤ باحتمالية الإصابة بمرض السكري اعتمادًا على تحليل البيانات الصحية للمرضى. يركز المشروع على استكشاف البيانات (EDA)، وهندسة الميزات، وتحسين النماذج لتحقيق أفضل أداء رغم صغر حجم العينة (768 حالة).

الإنجازات الرئيسية:

•معالجة البيانات: التعامل مع القيم المفقودة في الجلوكوز، ضغط الدم، والأنسولين، وتصحيح القيم المتطرفة باستخدام Winsorization والتحويل اللوغاريتمي.

•هندسة الميزات: إنشاء ميزات جديدة مثل تفاعل الجلوكوز مع مؤشر كتلة الجسم (Glucose_BMI)، ونسبة الحمل إلى العمر، وترميز فئات مؤشر كتلة الجسم.

•تحسين النماذج: ضبط وتحسين أربعة نماذج تعلم آلي: الانحدار اللوجستي، SVM، الغابات العشوائية، وGradient Boosting.

•معالجة اختلال توازن البيانات: استخدام تقنية Random Over-Sampling (ROS) لتحقيق توازن في الفئات المرضية.

•تقييم شامل للأداء: تحليل النماذج باستخدام معايير مثل F1-score، الدقة، والاسترجاع، إلى جانب التمثيلات البصرية للأداء.

المهارات والتقنيات المستخدمة:

•تعلم الآلة: الانحدار اللوجستي، SVM، الغابات العشوائية، Gradient Boosting.

•معالجة البيانات: Pandas، NumPy، معالجة القيم المفقودة، Winsorization، هندسة الميزات.

•تحسين النماذج: GridSearchCV، RandomizedSearchCV، ضبط المعلمات الفائقة.

•التعامل مع البيانات غير المتوازنة: Random Over-Sampling (ROS).

•تصوير البيانات: Matplotlib، Seaborn، الخرائط الحرارية، والمخططات الصندوقية.

أثر المشروع:

يبرز DiabetesMind دور الذكاء الاصطناعي في تحليل البيانات الطبية، حيث يعكس المشروع خبرة في معالجة البيانات، هندسة الميزات، وتحسين النماذج للتطبيقات الصحية، مما يساعد على تعزيز دقة التنبؤ بمخاطر السكري.