Machine Learning Project on Fitness Data — Regression, Classification & Clustering

مشروع Machine Learning متكامل باستخدام Python على Google Colab، طُبّق على بيانات تتبع لياقة بدنية (Gym Progress Dataset) تشمل الوزن، السعرات الحرارية، البروتين، مدة التمرين، وعدد الخطوات اليومية. تم تنفيذ المشروع بشكل شامل يغطي أكثر من نوع من مسائل التعلم الآلي:

Regression: بناء نموذج Linear Regression للتنبؤ بوزن الشخص (Weight) اعتمادًا على باقي المتغيرات، مع تقييم الأداء باستخدام RMSE وR².

Classification: بناء وتدريب ثلاثة نماذج تصنيف (Naive Bayes، KNN، Decision Tree) لتصنيف الأيام إلى "نشاط عالي" أو "نشاط منخفض" بناءً على عدد الخطوات، مع تقييمها باستخدام Accuracy وF1 Score، بالإضافة إلى استخدام Cross-Validation لتقييم أدق لأداء النموذج.

Clustering: تطبيق خوارزمية K-Means لتجميع البيانات في فئات دون الاعتماد على تصنيف مسبق، وتقييم جودة التجميع باستخدام Silhouette Score.

Model Comparison: مقارنة أداء النماذج المختلفة (Regression وClassification) في جدول موحّد لاختيار أفضل نموذج.

المشروع يعكس قدرتي على التعامل مع أنواع مختلفة من مسائل التعلم الآلي (Regression، Classification، Clustering) في مشروع واحد، من تجهيز البيانات وحتى تقييم ومقارنة النماذج.