مشروع تحليل وتصنيف البيانات باستخدام خوارزميات تعلم الآلة المتقدمة (End-to-End Classification Project)

في هذا المشروع، قمت ببناء نظام ذكاء اصطناعي متكامل يهدف إلى تصنيف البيانات والتنبؤ بالنتائج بدقة عالية، حيث قمت بتطبيق دورة حياة كاملة لمشروع Data Science:

1. معالجة وتجهيز البيانات (Data Preprocessing):

التعامل مع البيانات غير المتوازنة (Imbalanced Data) باستخدام تقنيات Resampling لضمان حيادية الموديل.

تطبيق الـ Feature Scaling باستخدام StandardScaler لتحسين أداء الخوارزميات الحساسة للمسافات.

2. بناء النماذج (Modeling): قمت بتطبيق ومقارنة 7 خوارزميات مختلفة للوصول لأفضل أداء ممكن:

Linear Models: Logistic Regression

Probabilistic Models: Naive Bayes

Distance-based: K-Nearest Neighbors (KNN) & SVM

Tree-based: Decision Tree

Ensemble Methods: Random Forest & XGBoost

3. تحسين الأداء (Optimization):

استخدام Cross-Validation لتحديد أفضل Hyperparameters (مثل اختيار أفضل قيمة K في موديل KNN بدقة).

4. التقييم والمقارنة (Evaluation):

تقييم النماذج باستخدام مقاييس: Accuracy, Precision, Recall, F1-Score.

تحليل النتائج عبر Confusion Matrix.

إنشاء رسوم بيانية (Bar Charts) للمقارنة المباشرة بين دقة جميع النماذج وتحديد الأفضل بينهم.

الأدوات المستخدمة: Python, Scikit-Learn, Pandas, NumPy, XGBoost, Seaborn.