مشروع مقارنة تقنيات Ensemble Learning (Bagging – Boosting – Stacking)

يهدف هذا المشروع إلى دراسة وتحليل تقنيات Ensemble Learning المستخدمة لتحسين أداء نماذج التعلم الآلي من خلال دمج أكثر من نموذج معًا للحصول على نتائج أفضل.

تم استخدام مجموعة بيانات Digits لتصنيف الأرقام المكتوبة يدويًا. بدأ المشروع بمرحلة تحليل البيانات والتأكد من جودة البيانات وعدم وجود قيم مفقودة.

بعد ذلك تم تجهيز البيانات وتطبيق Standardization باستخدام أداة التحجيم القياسي قبل تدريب النماذج.

تم تدريب عدة نماذج مختلفة مثل:

Logistic Regression

K-Nearest Neighbors

Decision Tree

ثم تم استخدام تقنيات Ensemble Learning مثل:

Bagging

Boosting (AdaBoost)

وذلك بهدف مقارنة الأداء وتحسين دقة التنبؤ.

يساعد هذا النوع من المشاريع في فهم كيفية تحسين أداء نماذج التعلم الآلي باستخدام دمج النماذج المختلفة.