توقع مخاطر الإصابة بأمراض القلب باستخدام تقنيات تعلم الآلة (Heart Failure Prediction)

أبرز ما قمت به في المشروع:

استكشاف وتحليل البيانات (EDA): استخدام مكتبات Matplotlib و Seaborn و Plotly لعمل رسوم بيانية تفاعلية لفهم توزيع الأعمار والعوامل الصحية.

تنظيف البيانات (Data Pre-processing): التعامل مع القيم المكررة (Duplicated rows)، وفحص القيم المفقودة (Null values)، ومعالجة القيم الشاذة (Outliers).

هندسة الميزات (Feature Engineering): تجهيز البيانات وتوسيمها لتناسب خوارزميات التصنيف.

بناء النماذج وتدريبها: قمت بتجربة عدة خوارزميات مثل (Random Forest, Logistic Regression, Decision Tree, KNN).

النموذج الأفضل: تفوق نموذج XGBoost محققاً دقة فائقة (Accuracy) ونسبة استدعاء (Recall) بلغت 99%.

تصدير النموذج: حفظ النموذج النهائي بصيغة .pkl باستخدام مكتبة joblib ليكون جاهزاً للدمج في تطبيقات الويب أو الموبايل.

الأدوات المستخدمة:

Python, Pandas, NumPy, Scikit-learn, XGBoost, Plotly, Seaborn."