Heart Disease Prediction – Full Machine Learning Pipeline

? توقع مرض القلب – مشروع تعلم آلي متكامل

نوع العمل:

بناء Machine Learning Pipeline متكامل للتنبؤ بخطر الإصابة بمرض القلب باستخدام بيانات UCI.

ميزاته:

يغطي المراحل الكاملة من تنظيف البيانات إلى النشر.

دقة تنبؤ وصلت إلى %90 باستخدام Random Forest.

يجمع بين Supervised Learning و Unsupervised Learning لاستخراج أنماط دقيقة.

تطبيق تفاعلي عبر Streamlit لعرض النتائج في الوقت الحقيقي.

طريقة التنفيذ:

تنظيف البيانات ومعالجتها (التعامل مع القيم المفقودة، الترميز، التطبيع).

تقليل الأبعاد باستخدام PCA واختيار الخصائص بـ RFE و Chi-Square.

تدريب نماذج مثل Logistic Regression, Decision Tree, Random Forest, SVM.

تطبيق K-Means و Hierarchical Clustering لاكتشاف الأنماط.

تحسين الأداء باستخدام GridSearchCV و RandomizedSearchCV.

تطوير واجهة Streamlit للتنبؤ المباشر ونشر المشروع.