Breast-Cancer-Classification-ML

تحليل وتصنيف سرطان الثدي باستخدام تعلم الآلة

قمت ببناء نظام تصنيف دقيق لأورام سرطان الثدي يعتمد على البيانات السريرية، مع التركيز على الموازنة بين الدقة (Accuracy) والحساسية الطبية (Recall).

النتائج التقنية:

تطوير نماذج تنبؤية وصلت دقتها إلى 98.2%.

تحقيق معدل استدعاء (Recall) بنسبة 0.98، وهو أمر حيوي في التشخيص الطبي لتقليل احتمالية تجاهل أي حالة مصابة.

استخدام تقنيات الـ Feature Importance لتحديد أهم الخصائص السريرية المؤثرة في تشخيص الأورام الخبيثة.

الأدوات المستخدمة:

Python (Scikit-learn, Pandas, Seaborn).

النماذج: Logistic Regression, Random Forest.