Breast cancer dignosis

مشروع لتحليل البيانات الطبية وبناء نماذج تعلم آلة (Machine Learning) لتشخيص أورام الثدي واختبارها على مجموعة بيانات طبية. يهدف المشروع إلى تصنيف الأورام إلى خبيثة (Malignant) أو حميدة (Benign) بدقة عالية للمساعدة في التشخيص المبكر. وقومت بمعالجة وتنظيف البيانات (Data Preprocessing): استكشاف البيانات، معالجة القيم، حذف المعرفات غير الضرورية (id)، واستخدام LabelEncoder لتحويل المتغير المستهدف إلى قيم رقمية.

هندسة الميزات (Feature Engineering & Scaling): تطبيق StandardScaler لضبط مقاييس البيانات المترية وضمان كفاءة خوارزميات التعلم.

تحليل البيانات والاستكشاف (EDA): دراسة مصفوفة الارتباط (Correlation Analysis) باستخدام seaborn للتعرف على أكثر الخصائص تأثيراً في تشخيص الورم.

بناء وتقييم النماذج (Model Training & Evaluation): تدريب وتقييم 3 نماذج مختلفة لمقارنة الأداء:

Logistic Regression: حقق دقة 97%.

Support Vector Machine (SVM): حقق دقة 96%.

K-Nearest Neighbors (KNN): حقق دقة 95%.

تقييم الأداء: قياس كفاءة النماذج عبر حساب Accuracy وClassification Report ورسم مصفوفة التلبيس (Confusion Matrix) لمعرفة معدلات النسبة الصحيحة والخاطئة .