DiabetesGuard: تطبيق ويب تفاعلي للتنبؤ بداء السكري (باستخدام Streamlit)

قمت بتطوير تطبيق ويب كامل للتعلم الآلي (End-to-End ML Web App) باسم "DiabetesGuard". يهدف هذا التطبيق إلى مساعدة المستخدمين على تقييم احتمالية إصابتهم بمرض السكري (النوع الثاني) بناءً على المقاييس الصحية الأساسية، باستخدام مجموعة بيانات مرض السكري الخاصة بهنود بيما (Pima Indians Diabetes Dataset).

نوع العمل والميزات الرئيسية:

الهدف: تقديم أداة تنبؤ سريعة، دقيقة، وتفاعلية (User-Friendly) في مجال الرعاية الصحية.

النمذجة (Modeling): استخدام وتطبيق نماذج تصنيف كلاسيكية مثل الانحدار اللوجستي (Logistic Regression) و الغابات العشوائية (RandomForest)، مع المقارنة بين أدائها لاختيار النموذج الأكثر كفاءة وموثوقية للتطبيق.

واجهة المستخدم (Deployment): تم بناء الواجهة الأمامية بالكامل باستخدام مكتبة Streamlit في Python، مما يتيح للمستخدمين إدخال بياناتهم الصحية والحصول على تنبؤ فوري ومفسر.

هندسة الميزات والتحليل: تضمين مراحل معالجة البيانات، والتعامل مع الميزات المختلفة (مثل مستويات الجلوكوز، وضغط الدم، ومؤشر كتلة الجسم BMI) لضمان دقة التنبؤ.

طريقة التنفيذ:

المعالجة المسبقة للبيانات: تنظيف ومعالجة مجموعة بيانات Pima (التعامل مع القيم الصفرية في متغيرات مثل ضغط الدم ومؤشر كتلة الجسم).

بناء النماذج: تدريب واختبار عدة نماذج تعلم آلي (بما في ذلك Random Forest و Logistic Regression) لتحديد النموذج الذي يحقق أعلى مقاييس أداء (مثل F1-Score و Accuracy).

الحفظ والتكامل: حفظ النموذج المُدرب الأفضل أداءً (باستخدام joblib أو pickle).

تطوير الويب باستخدام Streamlit: بناء واجهة مستخدم رسومية تفاعلية تسمح للمستخدم بإدخال 8 معلمات صحية (مثل الحمل، الجلوكوز، ضغط الدم، إلخ).

التنبؤ الفوري: عند النقر على "توقع"، يتم تحميل النموذج المحفوظ ومعالجة المدخلات لتقديم نتيجة التنبؤ بالسكري في ثوانٍ.