مشروع توقع عمر السلطون بناءا علي خصائص جسمانية

**الهدف**

توقّع عمر السلطعون (بالأشهر) باستخدام السمات الجسدية. هذه مهمة انحدار، حيث المتغير المستهدف هو `العمر`.

? **الدافع**

توقّع عمر السلطعون بدقة يساعد في:

* تحسين توقيت الحصاد

* تقليل التكاليف التشغيلية

* تعظيم الأرباح في صناعة تربية السلطعون

**شرح ميزات البيانات**

تتضمن البيانات قياسات جسدية مختلفة للسلطعون، بهدف توقّع عمره:

| الميزة | الوصف |

| ----------- | ------------------------------------------------ |

| الجنس | فئوية: 'M' ذكر، 'F' أنثى، 'I' غير محدد |

| الطول | أطول طول للصدفة (بالقدم) |

| القطر | عمودي على الطول (بالقدم) |

| الارتفاع | ارتفاع السلطعون بالكامل (بالقدم) |

| الوزن | الوزن الكلي للسلطعون (بالأونصة) |

| وزن اللحم | وزن اللحم فقط (بالأونصة) |

| وزن الأحشاء | وزن الجهاز الهضمي (بالأونصة) |

| وزن الصدفة | وزن الصدفة بعد التجفيف (بالأونصة) |

| العمر | المتغير الهدف، يُقدّر بعدد حلقات النمو (بالأشهر) |

? **خطوات المعالجة المسبقة**

تهدف إلى تجهيز البيانات للنمذجة:

1. **التعامل مع القيم الفارغة**

* تم التحقق باستخدام `df.isnull().sum()`

* في حال وجودها، يتم حذفها أو تعويضها.

2. **تصحيح نوع البيانات**

* تحويل الأعمدة الرقمية إلى نوع `float` لضمان العمليات الحسابية الدقيقة.

3. **إزالة القيم الشاذة**

* باستخدام الرسوم الصندوقية والمعايير الإحصائية.

* القيم خارج 1.5 × IQR من الربع الأول أو الثالث تم اعتبارها شاذة.

* تمت إزالة القيم الشاذة لتجنّب انحراف النموذج.

4. **ترميز السمة الفئوية**

* تم تحويل الجنس باستخدام One-Hot Encoding إلى 3 أعمدة: `Sex_F`، `Sex_I`، `Sex_M`.

5. **تقييس الميزات**

* تم استخدام MinMaxScaler لتطبيع القيم في النطاق \[0, 1].

* هذا يساعد في تسريع وفعالية تعلم النماذج مثل KNN وSVM.

**هندسة الميزات**

لتحسين الأداء، تم إنشاء ميزات جديدة من الحالية:

* `sqrt(abs(weight))`: لتقليل انحراف وزن السلطعون

* `height²`: لتمثيل العلاقة غير الخطية

* `crab_area = 4π × diameter²`: لتقدير مساحة السطح

* `cylinder_size = area × height`: لتقدير الحجم

* `sphere_size = (4/3)π × diameter³`: تقدير آخر للحجم

**تحليل ارتباط الميزات**

لفهم علاقة الميزات بالعمر المستهدف، تم استخدام خريطة حرارية للارتباط.

النقاط المهمة:

* **أقوى الارتباطات:** الطول، القطر، الارتفاع، والوزن يرتبطون إيجابياً بالعمر

* **ضعيفة أو سلبية:** وزن الصدفة، وزن الأحشاء، والجنس (F/I) تأثيرهم محدود

* ساعد التحليل في اختيار الميزات وتعديلها

**تقسيم البيانات**

تم تقسيم البيانات إلى:

* مجموعة تدريب (70%)

* مجموعة اختبار (30%)

لضمان تدريب النموذج على بيانات، واختباره على بيانات جديدة لقياس الأداء الفعلي.

? **تدريب وتقييم النماذج**

**مقاييس التقييم** لكل نموذج:

* MSE (متوسط مربع الخطأ): الأقل أفضل

* MAE (متوسط الخطأ المطلق): الأقل أفضل

* R²: كلما اقترب من 1 كان النموذج أفضل

**أفضل النماذج**

| النموذج | البيانات | MSE | MAE | R² |

| ---------------------------- | -------- | ---- | ---- | ----- |

| SVR (بـ kernel متعدد الحدود) | تدريب | 4.29 | 1.43 | 0.564 |

| SVR (بـ kernel متعدد الحدود) | اختبار | 5.34 | 1.55 | 0.539 |

| الانحدار الخطي | تدريب | 4.31 | 1.50 | 0.562 |

| الانحدار الخطي | اختبار | 5.09 | 1.58 | 0.561 |

| شجرة قرار (عمق = 7) | تدريب | 3.36 | 1.30 | 0.659 |

| شجرة قرار (عمق = 7) | اختبار | 6.65 | 1.75 | 0.426 |

| KNN (k=3) | تدريب | 2.75 | 1.17 | 0.721 |

| KNN (k=3) | اختبار | 6.33 | 1.75 | 0.454 |

*والعديد من التقييمات الإضافية تظهر في الصور.*

**النماذج ضعيفة الأداء**

| النموذج | R² على بيانات الاختبار |

| ------------------------- | ---------------------- |

| Gradient Boosting (عدد=2) | 0.136 |

| AdaBoost (عدد=7) | 0.376 |

| Lasso (alpha=0.1) | 0.393 |

**أبرز النتائج**

* نموذج KNN (k=3) قدّم أفضل أداء على التدريب، لكنه يُحتمل أن يكون مفرط التعلّم.

* الانحدار الخطي كان متوازن الأداء في التعميم.

* شجرة القرار تعمل بشكل أفضل عند تعميقها، لكنها قد تتجاوز التعلم.

* النماذج التجميعية (مثل AdaBoost و GB) لم تحقق أداء جيد، وقد تحتاج لضبط معلمات.

**عرض تجريبي**

[رابط المشروع](https://crabageprediction...)

**الخلاصة**

هذا المشروع استعرض نماذج انحدار متعددة لتوقّع عمر السلطعون من خصائصه الجسدية.

أفضل النماذج:

* KNN (k=3): أقل خطأ في التدريب

* الانحدار الخطي: أداء متوازن وتعميم جيد

* SVR (بـ kernel متعدد الحدود): دقة متوازنة بين التدريب والاختبار