heart disease predection

في هذا المشروع قمت بإنشاء **دراسة حالة للتنبؤ بأمراض القلب باستخدام التعلم الآلي**، حيث بدأت أولًا بعرض نظرة عامة على مجموعة البيانات المستخدمة، مثل عدد المرضى الموجودين في البيانات وعدد الخصائص الطبية، بالإضافة إلى المتغير الهدف الذي يحدد ما إذا كان المريض مصابًا بمرض في القلب أم لا. بعد ذلك قمت بمرحلة **معالجة البيانات المسبقة**، حيث تعاملت مع القيم المفقودة وقمت بتحويل المتغيرات الفئوية باستخدام تقنيات مثل **Label Encoding** و **One-Hot Encoding**، ثم قمت بتقسيم البيانات إلى مجموعة تدريب ومجموعة اختبار من أجل تدريب النموذج وتقييمه بشكل صحيح.

بعد تجهيز البيانات، قمت باستخدام أحد نماذج **التعلم الآلي** مثل Logistic Regression لتدريب النموذج على البيانات واكتشاف الأنماط التي قد تشير إلى وجود مرض في القلب. بعد التدريب قمت بتقييم أداء النموذج باستخدام عدة مقاييس مهمة مثل **Accuracy و Precision و Recall و F1 Score** لمعرفة مدى قدرة النموذج على التنبؤ بالحالات بشكل صحيح. كما استخدمت **Confusion Matrix** لتحليل التنبؤات ومعرفة عدد الحالات التي تم التنبؤ بها بشكل صحيح أو خاطئ.

بالإضافة إلى ذلك، قمت بتحليل **أهمية الخصائص (Feature Importance)** لمعرفة العوامل الطبية الأكثر تأثيرًا في التنبؤ بمرض القلب مثل العمر، مستوى الكوليسترول، نوع ألم الصدر، وأقصى معدل لضربات القلب. كما قمت بمقارنة أداء النموذج في حال استخدام أكثر من خوارزمية لمعرفة أي نموذج يقدم أفضل النتائج. وفي النهاية قمت بعرض مثال لتنبؤ النموذج بحالة مريض جديد، ثم وضحت كيف يمكن لمثل هذا النموذج أن يساعد الأطباء في **الكشف المبكر عن أمراض القلب ودعم اتخاذ القرار الطبي**.