التنبؤ بأمراض القلب (Heart Disease Prediction)

نظرة عامة:

تم بناء نموذج تعلم آلي للتنبؤ بوجود أمراض القلب باستخدام بيانات سريرية وديموغرافية للمرضى.

البيانات:

مجموعة بيانات أمراض القلب من UCI

(303 عينة، 14 خاصية)

سير العمل (Pipeline):

تنظيف البيانات والمعالجة المسبقة

ترميز الخصائص وتوحيد المقاييس

التحليل الاستكشافي للبيانات (EDA)

اختيار الخصائص وتقليل الأبعاد

النماذج المستخدمة:

الانحدار اللوجستي LR

شجرة القرار DT

الغابة العشوائية RF

آلة المتجهات الداعمة (SVM)

التقنيات:

اختيار الخصائص باستخدام Random Forest وRFE واختبار كاي تربيع

تقليل الأبعاد باستخدام PCA

ضبط المعاملات (Hyperparameter Tuning) باستخدام

GridSearchCV وRandomizedSearchCV

النتائج:

حقق نموذج الغابة العشوائية أفضل أداء بدقة تقارب 94٪ مع قيمة ROC-AUC قوية

ساهم تقليل الخصائص في تحسين استقرار النماذج

النشر / المخرجات:

تصدير النموذج المدرّب بصيغة .pkl لإعادة الاستخدام

الأدوات المستخدمة:

Python، Pandas، NumPy، Scikit-learn، Matplotlib، Seaborn