Diabetes Prediction Using Machine Learning

في هذا المشروع قمت بالعمل على بيانات مرض السكري (Diabetes Dataset) بهدف بناء نموذج تعلم آلة يساعد في التنبؤ بإصابة المريض بالسكري من النوع الثاني اعتمادًا على مجموعة من السمات الطبية مثل العمر، مؤشر كتلة الجسم (BMI)، مستوى الجلوكوز في الدم، ضغط الدم، وعدد مرات الحمل (للسيدات).

بدأت العمل بمرحلة معالجة البيانات (Data Preprocessing) والتي شملت التعامل مع القيم المفقودة، موازنة البيانات (Handling Imbalanced Data)، وتطبيع الخصائص (Normalization) لضمان دقة النماذج. ثم أجريت تحليلًا استكشافيًا (EDA) لفهم طبيعة العلاقة بين السمات المختلفة وإبراز أكثر العوامل المؤثرة في الإصابة بالمرض.

بعد ذلك قمت بتجربة عدة نماذج تعلم آلة مثل Logistic Regression، Random Forest، Support Vector Machine (SVM)، و K-Nearest Neighbors (KNN). تمت مقارنة النماذج باستخدام مقاييس مثل Accuracy، Precision، Recall، و F1-score لاختيار النموذج الأفضل. كما استخدمت تقنيات Feature Importance لتحديد أهم المؤشرات الطبية التي تساهم في التنبؤ.

أظهرت النتائج أن النموذج المطور قادر على التنبؤ بإصابة المريض بدقة عالية، مما يوفر قيمة عملية كأداة داعمة للأطباء تساعدهم على التشخيص المبكر وتقليل المخاطر الصحية عبر التدخل في الوقت المناسب.