Heart Disease Risk Prediction

مشروع لتحليل البيانات الطبية وبناء نموذج تعلم آلي للتنبؤ باحتمالية وجود أمراض القلب اعتمادًا على البيانات السريرية للمرضى.

تم تحليل 918 سجلًا تحتوي على 12 متغيرًا سريريًا، مع تنظيف البيانات والتحقق من القيم غير المنطقية ومعالجة القيم الشاذة، ثم إجراء التحليل الاستكشافي واختيار أهم المتغيرات المؤثرة باستخدام عدة أساليب إحصائية.

بعد تجهيز البيانات، تم تدريب ومقارنة 5 نماذج لتصنيف المرضى، مع استخدام Cross-Validation وGridSearchCV لتحسين أداء النماذج. وتم تقييم النماذج باستخدام Accuracy وPrecision وRecall وF1-Score وROC-AUC.

نظرًا لأن المشروع يتعلق بالفحص الطبي، تم التركيز بشكل خاص على **Recall** لتقليل احتمالية تفويت الحالات المصابة. وفي النهاية تم اختيار Decision Tree منظم كنموذج نهائي، حيث حقق Recall بلغ 84.45% مع AUC بلغ 0.8219، مع الحفاظ على قابلية تفسير قرارات النموذج.

تم تنفيذ المشروع بالكامل باستخدام Python ومكتبات Pandas وNumPy وScikit-learn وSciPy وStatsmodels وMatplotlib وSeaborn.