Breast Cancer Classification using Logistic Regression, SVM, and KNN

سرطان الثدي باستخدام خوارزميات تعلم الآلة. الهدف هو بناء نماذج دقيقة تساعد في التنبؤ بالحالة المرضية بناءً على خصائص الخلايا.

الخطوات المنفذة:

تنظيف البيانات وتحويل القيم النصية إلى رقمية

تقسيم البيانات إلى تدريب واختبار

تطبيق ثلاث نماذج:

Logistic Regression

Support Vector Machine (SVM)

K-Nearest Neighbors (KNN)

تحسين النماذج باستخدام GridSearchCV

تقييم الأداء باستخدام:

Confusion Matrix

ROC Curve

Precision-Recall Curve

Correlation Heatmap

Pairplot

الأدوات المستخدمة:

Python, Pandas, Scikit-learn, Matplotlib, Seaborn

النتائج:

دقة النموذج وصلت إلى:

Logistic Regression: 97.3%

SVM: 98.2%

KNN: 94.7%

تم عرض مقارنة شاملة بين النماذج باستخدام مقاييس الأداء المختلفة، مما يعزز اتخاذ القرار الطبي المبني على البيانات.