Healthcare Insurance Cost Prediction

نوع العمل:

تحليل بيانات وبناء نموذج تعلم آلة (Machine Learning Regression)

وصف مختصر:

تم تنفيذ مشروع عملي للتنبؤ بتكاليف التأمين الصحي للأفراد بناءً على بياناتهم الديموغرافية والصحية باستخدام لغة Python وتقنيات تعلم الآلة.

مراحل التنفيذ:

تحميل البيانات وتنظيفها (إزالة القيم المكررة والتأكد من عدم وجود قيم مفقودة)

ترميز المتغيرات الفئوية باستخدام Label Encoding و One-Hot Encoding

استكشاف البيانات بصريًا (Boxplot, Histogram, Scatterplot)

معالجة القيم المتطرفة باستخدام Log Transformation

تقسيم البيانات إلى تدريب واختبار

تطبيق Feature Scaling باستخدام StandardScaler و RobustScaler

بناء وتجربة عدة نماذج:

Linear Regression

Polynomial Regression

K-Nearest Neighbors (KNN) مع GridSearchCV

تقييم النماذج باستخدام:

R² Score

MAE

RMSE

مقارنة أداء النماذج واختيار الأفضل

النتائج:

نموذج Polynomial Regression حقق دقة R² ≈ 88%

نموذج KNN بعد الضبط حقق R² ≈ 85%

عرض الرسوم البيانية للمقارنة وتحليل الأخطاء (Residual Analysis)

الأدوات والتقنيات:

Python

Pandas – NumPy

Matplotlib – Seaborn

Scikit-learn

القيمة التي يقدمها المشروع:

يساعد شركات التأمين أو الجهات الصحية على تقدير تكلفة التأمين بدقة ودعم اتخاذ القرار.