مشروع تصنيف صور باستخدام خوارزميتين مختلفين

مشروع Image Classification using Logistic Regression and K-Means يعتمد على تصنيف الصور باستخدام خوارزميتين مختلفتين: واحدة Supervised Learning (Logistic Regression) والأخرى Unsupervised Learning (K-Means)، وذلك على جزء من مجموعة بيانات Fashion-MNIST المكونة من 5 فئات (T-shirt, Trouser, Pullover, Dress, Coat).

يهدف المشروع إلى مقارنة أداء النموذجين في مهمة تصنيف الصور، مع تطبيق خط معالجة كامل للبيانات (End-to-End Pipeline) يشمل استخراج الخصائص، المعالجة المسبقة، تقليل الأبعاد، وتقييم الأداء.

مراحل العمل:

Data Handling

تحميل مجموعة بيانات Fashion-MNIST باستخدام OpenML

استكشاف البيانات والتحقق من عدم وجود قيم مفقودة أو تكرارات

تحليل توزيع الفئات والتأكد من توازن البيانات

اختيار 5 فئات فقط لتقليل التعقيد الحسابي

Feature Extraction

استخدام Histogram of Oriented Gradients (HOG) لاستخراج الخصائص من الصور

تحويل كل صورة إلى متجه خصائص يمثل البنية والشكل بدلًا من البكسلات الخام

Data Preprocessing

تقسيم البيانات إلى تدريب واختبار باستخدام Stratified Split

تطبيق Standard Scaling لتوحيد نطاق القيم

استخدام Principal Component Analysis (PCA) لتقليل الأبعاد مع الاحتفاظ بـ 95% من المعلومات

Model Building

Logistic Regression (Supervised Learning)

استخدام GridSearchCV لاختيار أفضل Hyperparameters

تدريب النموذج باستخدام Cross-Validation

تقييم الأداء باستخدام Accuracy, Confusion Matrix, Classification Report, ROC-AUC

K-Means Clustering (Unsupervised Learning)

تطبيق K-Means بعدد clusters = 5

تحويل النتائج إلى تصنيفات باستخدام Majority Voting

تقييم النموذج باستخدام Accuracy, Purity Score, Silhouette Score, Confusion Matrix

استخدام Elbow Method لاختيار عدد clusters المناسب