نظام للتنبؤ بالسكته الدماغية باستخدام (Machine Learning)

مشروع متكامل في مجال علوم البيانات (Data Science) وتعلم الآلة (Machine Learning) يهدف إلى تحليل العوامل المؤثرة على الإصابة بالسكتة الدماغية وبناء نموذج برمجي قادر على التنبؤ باحتمالية الإصابة بدقة عالية بناءً على المؤشرات الحيوية والتاريخ الطبي للمريض

استكشاف ومعالجة البيانات (Data Preprocessing):

التعامل مع البيانات المفقودة (Handling Missing Values) خاصة في مؤشر كتلة الجسم (BMI)

تنظيف البيانات من القيم الشاذة لضمان دقة النتائج

تحويل البيانات الفئوية (Categorical Data) إلى قيم عددية لتناسب النماذج البرمجية.

التحليل الاستكشافي (Exploratory Data Analysis - EDA):

تحليل العوامل الأكثر تأثيراً مثل (العمر، متوسط مستوى الجلوكوز، وضغط الدم)

إنشاء تصورات بيانية (Visualizations) متقدمة باستخدام Seaborn و Matplotlib لفهم توزيع الإصابات وعلاقتها بالتدخين وأمراض القلب.

بناء وتطوير نماذج تعلم الآلة (Machine Learning Modeling):

تم تطبيق واختبار عدة خوارزميات تصنيف للمقارنة بين أدائها:

Support Vector Machine (SVM)

Random Forest (حقق أداءً استثنائياً)

Logistic Regression

K-Nearest Neighbors (KNN)

استخدام تقنيات التعلم التجميعي (Ensemble Learning) مثل Stacking, Voting, and Bagging لتعزيز قوة التنبؤ

النتائج والتقييم (Evaluation):

تم تحقيق دقة تنبؤ (Accuracy) وصلت إلى 99.39% باستخدام نموذج الـ Random Forest و Stacking Classifier

تقييم النماذج بناءً على مصفوفة الارتباك (Confusion Matrix) ومقاييس Precision, Recall, و F1-Score لضمان موثوقية النموذج طبياً.