توقع نجاة ركاب التايتانيك باستخدام تعلم الآلة

هذا المشروع يهدف إلى تحليل بيانات ركاب سفينة تايتانيك وبناء نموذج تعلم آلة للتنبؤ بالنجاة. يتيح المشروع فهم العوامل التي أثرت على فرص النجاة وتطبيق تقنيات متقدمة لمعالجة البيانات وبناء نماذج تنبؤ دقيقة.

أهم مكونات المشروع:

تنظيف وتحضير البيانات:

معالجة القيم المفقودة وتحويل البيانات الفئوية إلى أرقام وتجهيز البيانات للنمذجة.

التحليل الاستكشافي للبيانات (EDA):

تصور التوزيعات والعلاقات بين الميزات مثل العمر، الجنس، الدرجة، وفرص النجاة.

إنشاء الميزات (Feature Engineering):

إضافة ميزات جديدة مثل حجم العائلة أو استخراج الألقاب من أسماء الركاب لتحسين أداء النموذج.

نمذجة تعلم الآلة:

تدريب وتقييم عدة نماذج تصنيف مثل الانحدار اللوجستي، الغابات العشوائية، وآلة الدعم الناقل (SVM).

تقييم النموذج:

استخدام مقاييس الأداء مثل الدقة، مصفوفة الالتباس، الدقة والاسترجاع لتحديد أفضل نموذج.

استخلاص رؤى تنبؤية:

فهم العوامل الأساسية التي أثرت على فرص النجاة وعرض النتائج بشكل واضح وقابل للتفسير.

المهارات المكتسبة والمستخدمة (Skills)

لغة Python للبرمجة

معالجة البيانات وتحضيرها باستخدام Pandas

التصور البياني للبيانات باستخدام Matplotlib و Seaborn

إنشاء الميزات (Feature Engineering)

تعلم الآلة (Machine Learning) وتشمل:

الانحدار اللوجستي (Logistic Regression)

الغابات العشوائية (Random Forest)

آلة الدعم الناقل (SVM)

K-Nearest Neighbors

تقييم النماذج (Accuracy, Confusion Matrix, Classification Report)

التعلم الموجه (Supervised Learning) وتصنيف البيانات

التعامل مع البيانات الواقعية والمعقدة