Machine Learning Project

وصف المشروع:

مشروع "تحليل البيانات باستخدام التعلم الآلي" هو تطبيق عملي لمجموعة من تقنيات التعلم الآلي المتقدمة على مجموعة بيانات حقيقية بهدف تصنيف وتحليل البيانات. المشروع يتضمن مراحل متعددة من التحضير، بدءًا من تنظيف البيانات وصولاً إلى بناء نماذج تصنيف باستخدام خوارزميات متعددة مثل Decision Tree، Support Vector Machine (SVM)، K-Nearest Neighbors (KNN)، و Naive Bayes. كما يتضمن المشروع استخدام تقنيات التصور لعرض البيانات وتحليل نتائج النماذج المختلفة.

التقنيات المستخدمة:

تنظيف البيانات (Data Cleaning): شمل المشروع معالجة البيانات المفقودة، استبدال القيم الغير صحيحة، وتحويل البيانات إلى شكل مناسب لتدريب النماذج.

التصور (Data Visualization): تم استخدام أدوات التصور مثل Matplotlib و Seaborn لإنشاء رسومات بيانية توضح توزيع البيانات والعلاقات بين المتغيرات، مما يساعد في فهم أفضل للبيانات.

Decision Tree: تم استخدام خوارزمية الشجرة القرار لبناء نموذج تصنيف يعتمد على تقسيم البيانات إلى مجموعات من خلال أسئلة نعم/لا.

Support Vector Machine (SVM): تم استخدام هذه الخوارزمية لفصل البيانات إلى فئات باستخدام أسطح الفصل (Decision Hyperplanes) التي تعمل على إيجاد الفصل الأمثل بين الفئات.

K-Nearest Neighbors (KNN): استخدمنا خوارزمية KNN لتصنيف البيانات بناءً على النقاط الأقرب في المسافة داخل الفضاء متعدد الأبعاد.

Naive Bayes: تم تطبيق خوارزمية Naive Bayes لتصنيف البيانات بناءً على فرضية الاستقلال الشرطي بين السمات.