Heart Disease Prediction

نظام التنبؤ بأمراض القلب (بايثون + تعلم الآلة + ستريمليت)

• تنفيذ عمليات تنظيف البيانات، الترميز، وتقييس الخصائص على مجموعة بيانات أمراض القلب من UCI.

• تقليل الأبعاد واختيار الخصائص المهمة باستخدام تحليل المكونات الرئيسية (PCA) وإزالة الميزات العودية (RFE).

• تدريب ومقارنة أربعة نماذج تعلم مُراقَب: الانحدار اللوجستي، الغابات العشوائية، شجرة القرار، وآلة المتجهات الداعمة (SVM).

• تجربة أساليب تعلم غير مُراقَب مثل K-Means والتجميع الهرمي لاكتشاف الأنماط.

• تحسين أداء النماذج باستخدام ضبط المعاملات الفائقة عبر GridSearchCV و RandomizedSearchCV.

• تقييم جميع النماذج باستخدام الدقة، الاسترجاع، الدقة الإيجابية، درجة F1، ومنحنيات ROC/AUC.

• نشر أفضل نموذج أداءً كتطبيق تفاعلي للتنبؤ الفوري باستخدام Streamlit.