نظام ذكي لتوقع درجة خطورة الحوادث باستخدام Machine Learning

قمتُ بتطوير نموذج تعلم آلي يقوم بتوقع شدة الحادث (Accident Severity) اعتمادًا على بيانات تاريخية تضم عوامل متعددة مثل وقت الحادث، الظروف الجوية، حالة الطريق، نوع المركبة، وموقع الحادث.

العمل شمل تنظيف شامل للبيانات، معالجة القيم المفقودة، استخراج خصائص مهمة، تحليل الارتباط، وترميز الأعمدة. تم استخدام أكثر من نموذج تصنيف للوصول لأفضل أداء.

مميزات المشروع:

تحليل شامل للبيانات (EDA) قبل بناء النموذج

اختيار أفضل الخصائص باستخدام Correlation + SelectKBest

قمت ببناء:

Boosting Models مثل Gradient Boosting وXGBoost

Stacking Ensemble يجمع أكثر من نموذج للحصول على أفضل أداء قوي ومستقر

معالجة مشكلة عدم توازن البيانات

تحسين الأداء باستخدام Hyperparameter Tuning

تقييم النموذج باستخدام Accuracy، Precision، Recall، وROC-AUC

Notebook متكامل قابل للتشغيل مباشرة

طريقتي في التنفيذ:

قراءة البيانات ومعالجة الأعمدة غير الصالحة

تحويل الأعمدة المهمة مثل Time وDate إلى شكل رقمي مفيد

Encoding متقدم للفئات

تقسيم البيانات Train/Test بشكل صحيح

بناء Pipeline للتنظيف + النموذج

تقييم شامل + رسم منحنى ROC

استخراج Insights حقيقية عن أسباب الحوادث

المهارات والأدوات المستخدمة:

Python, Pandas, NumPy

Scikit-learn

Feature Engineering

Data Cleaning & Preprocessing

Correlation Analysis

Classification Algorithms

ROC & AUC Evaluation