Breast Cancer Classification using SVM & Bagging

**نوع العمل:**

مشروع تعلم آلة (Machine Learning) لتصنيف البيانات الطبية باستخدام خوارزميات التصنيف وتقنيات التعلم الجماعي (Ensemble Learning).

**فكرة المشروع:**

يعتمد المشروع على استخدام بيانات سرطان الثدي لتدريب نموذج قادر على التنبؤ بما إذا كان الورم حميدًا أو خبيثًا. تم استخدام خوارزمية Support Vector Machine (SVM) كأساس للنموذج، ثم تطبيق تقنية Bagging لزيادة دقة التنبؤ وتقليل احتمالية فرط التوافق (Overfitting).

**مميزات المشروع:**

* تنظيف ومعالجة البيانات قبل التدريب.

* تحليل واستكشاف البيانات لفهم خصائصها.

* تدريب نموذج SVM لتصنيف الأورام.

* تحسين الأداء باستخدام Bagging Ensemble.

* تقييم النموذج باستخدام Accuracy وPrecision وRecall وF1-Score وConfusion Matrix.

* عرض النتائج بصور ورسوم بيانية تسهل تفسير أداء النموذج.

**طريقة التنفيذ:**

تم تطوير المشروع باستخدام Python، مع استخدام Pandas وNumPy لمعالجة البيانات، وScikit-learn لبناء نموذج SVM وتطبيق BaggingClassifier، بالإضافة إلى استخدام Matplotlib وSeaborn لتصور البيانات والنتائج. كما تم تقسيم البيانات إلى مجموعات تدريب واختبار لضمان تقييم أداء النموذج على بيانات غير مرئية وتحقيق نتائج موثوقة.