Body Performance Prediction & Analysis Using KNN Algorithm

مشروع ذكاء اصطناعي وتحليل بيانات متكامل يهدف إلى تقييم والتنبؤ بمستويات أداء الجسم (Body Performance Class) بناءً على مجموعة من القياسات البدنية والحيوية، باستخدام خوارزمية التعلم الآلي K-Nearest Neighbors (KNN).

مراحل وخطوات العمل:

استكشاف وتحليل البيانات (EDA): دراسة توزيعات المتغيرات المختلفة (العمر، الوزن، الطول، نسبة الدهون، قوة القبضة، وتمارين البطن والقفز) باستخدام الرسوم البيانية لتحديد القيم المتطرفة وفهم طبيعة البيانات، إلى جانب تحليل مصفوفة الارتباط (Correlation Matrix) لمعرفة مدى ارتباط العوامل البدنية بالفئة المستهدفة.

تدريب وتقييم النموذج: استخدام خوارزمية KNN لتصنيف أداء الجسم إلى فئات متعددة (A, B, C, D)، واختبار أداء النموذج عبر تقسيمات مختلفة للبيانات حيث سجل تقسيم (80:20) أعلى دقة بنسبة 68.65%، يليها تقسيم (70:30) بنسبة 67.36%، وتصميم مصفوفة الارتباك (Confusion Matrix) لتحليل دقة التصنيف لكل فئة.