Medical_Triage_Prediction

تطبيق خوارزميات الذكاء الاصطناعي وتعلم الآلة (Machine Learning) للتنبؤ بمستويات فرز المرضى (Triage Levels) في المستشفيات بناءً على حالتهم الطبية. الهدف هو مساعدة الأطقم الطبية في تحديد أولويات العلاج (الحالات العاجلة جداً مقابل الحالات المستقرة أو غير العاجلة). قومت بتنظيف وتجهيز البيانات (Data Cleaning & Preprocessing):

التعامل مع القيم الشاذة (Outliers).

تحويل البيانات النصية والفئات إلى أرقام متوافقة مع النماذج (Encoding & Scaling).

تحليل البيانات الاستكشافي (EDA):

دراسة توزيع البيانات والتوصيف الإحصائي باستخدام الرسوم البيانية (Distributions, Correlations, Boxplots).

بناء وتقييم النماذج (Model Building & Evaluation):

قمتِ بتدريب ومقارنة 4 نماذج تصنيف مختلفة لمعرفة الأفضل منها:

Logistic Regression

K-Nearest Neighbors (KNN)

Decision Tree

Random Forest

تقييم أداء النماذج باستخدام دقة التنبؤ (Accuracy) ومصفوفة الارتباك (Confusion Matrix) وتقارير التصنيف.

تحليل أهمية الميزات (Feature Importance):

تحديد أكثر المؤشرات الطبية والعوامل تأثيراً في تحديد مستوى فرز المريض.