Two Moons in Machine Learning

مشروع: تصنيف بيانات Two Moons باستخدام خوارزميات التعلم الآلي

في هذا المشروع تم استخدام مجموعة بيانات صناعية (Two Moons Dataset) التي تُستخدم بكثرة في تعليم مفاهيم التصنيف غير الخطي (Non-linear Classification). البيانات تتكون من نقطتين متداخلتين على شكل هلالين، مما يجعلها مثالًا مثاليًا لاختبار أداء نماذج التعلم الآلي المختلفة.

خطوات المشروع:

توليد البيانات باستخدام مكتبة Scikit-learn (make_moons).

استكشاف البيانات بصريًا عبر الرسوم البيانية لفهم التوزيع.

تطبيق عدة خوارزميات مثل:

Logistic Regression

K-Nearest Neighbors (KNN)

Support Vector Machine (SVM)

Naive Bayes

Decision Trees / Random Forest

تقييم النماذج باستخدام مقاييس مثل الدقة (Accuracy) و مصفوفة الالتباس (Confusion Matrix).

نتائج المشروع:

بعض الخوارزميات (مثل SVM و Random Forest) قدمت أداءً أعلى في التعامل مع الطبيعة غير الخطية للبيانات.

المشروع أظهر أهمية اختيار النموذج المناسب بناءً على طبيعة البيانات.

مثال عملي مبسط على كيفية استخدام ML في التصنيف ورسم الحدود الفاصلة (Decision Boundaries).

الأدوات المستخدمة: Python (Scikit-learn, NumPy, Matplotlib, Seaborn).