Mushroom Classification

تحليل البيانات الاستكشافي (EDA):

فحص شكل البيانات والأعمدة وأنواعها.

تحديد القيم المفقودة ومعالجتها.

تنظيف البيانات ومعالجتها:

تقسيم البيانات إلى مجموعات تدريب واختبار.

معالجة البيانات الرقمية والفئوية بشكل منفصل باستخدام ColumnTransformer.

بناء خط أنابيب معالجة البيانات (Preprocessing pipeline).

بناء وتدريب نماذج التصنيف:

تدريب 6 نماذج مختلفة:

Logistic Regression

Decision Tree

Random Forest

SVM

K-Nearest Neighbors (KNN)

Naive Bayes

تقييم أداء كل نموذج باستخدام مقاييس الدقة والتقارير التفصيلية.

تحسين النماذج:

استخدام تقنيات ضبط المعلمات لتحسين أداء النماذج.

مقارنة النماذج:

مقارنة أداء النماذج بناءً على الدقة ومنحنيات ROC.

تحديد أفضل نموذج (Random Forest في هذه الحالة).

حفظ النموذج النهائي:

حفظ نموذج Random Forest المُحسَّن باستخدام pickle لاستخدامه في التنبؤات المستقبلية.