Data Breast Cancer

مشروع تحليل بيانات سرطان الثدي يهدف إلى بناء نموذج تنبؤي ذكي يساعد في التمييز بين الأورام الحميدة والخبيثة اعتمادًا على بيانات طبية فعلية.

الخطوات التي قمت بها:

1. جمع البيانات وتنظيفها (Data Cleaning):

معالجة القيم المفقودة.

إزالة التكرار والتأكد من دقة البيانات.

تحويل البيانات لتكون جاهزة للتحليل والنمذجة.

2. التحليل الاستكشافي للبيانات (EDA):

دراسة توزيع المتغيرات.

اكتشاف العلاقات بين الخصائص (features).

استخدام الرسوم البيانية لفهم الأنماط.

3. معالجة البيانات (Preprocessing):

تطبيق التطبيع (Normalization/Standardization) على الخصائص.

ترميز القيم الفئوية (Label Encoding).

تقسيم البيانات إلى بيانات تدريب واختبار.

4. بناء النماذج (Model Building):

تجربة عدة خوارزميات مثل: Logistic Regression, Random Forest, XGBoost.

ضبط المعاملات (Hyperparameter Tuning) للحصول على أفضل أداء.

5. تقييم النموذج (Evaluation):

استخدام مقاييس مثل: الدقة (Accuracy)، الاستدعاء (Recall)، F1-score.

حصل النموذج الأفضل على دقة 90%+ في التنبؤ.

6. النتائج والاستفادة:

المشروع أظهر كيف يمكن استخدام تقنيات الذكاء الاصطناعي والتعلم الآلي لمساعدة الأطباء في التشخيص المبكر لسرطان الثدي.

ساعد في تحويل البيانات الطبية المعقدة إلى رؤية واضحة وقرارات دقيقة.