Data mining Project

مشروع تحليلي متكامل باستخدام Python لدراسة العلاقة بين عادات الطلاب اليومية ودرجاتهم الدراسية، اعتمادًا على بيانات استبيان لـ 463 طالبًا جامعيًا (8 متغيرات سلوكية بمقياس ليكرت + العمر والنوع).

ما تم تنفيذه:

• فحص جودة البيانات: اكتشاف التكرارات (11 سجل) والقيم الشاذة وتحليل الالتواء والارتباط.

• المعالجة المسبقة: إزالة التكرارات، معالجة القيم الشاذة بطريقة Winsorization، تحويل المتغيرات الملتوية (Log / Box-Cox)، وتوحيد المقاييس (Standard Scaling).

• اختيار الخصائص: Mutual Information، وطريقة Forward Wrapper، وتحليل PCA لتقليل الأبعاد.

• معالجة عدم توازن الفئات: تطبيق SMOTE، لأن 57% من الطلاب في فئة التقدير A.

• بناء ومقارنة 5 نماذج: KNN، Naive Bayes، Decision Tree، Random Forest، Bagging، بتقسيم 80/20 وCross-Validation، والتقييم بمقاييس Balanced Accuracy وF1-score وROC بدل الاعتماد على الدقة وحدها.

أهم النتائج:

• أفضل نموذج: Bagging بعد SMOTE (Accuracy ≈ 47% وF1 ≈ 0.27).

• العوامل السلوكية الداخلية (المثابرة، وضع معايير أكاديمية عالية، القدرة على بدء المذاكرة) أقوى تأثيرًا من العمر أو النوع.

• أوصت الدراسة باستخدام النموذج كنظام إنذار مبكر للطلاب المعرضين لانخفاض الأداء، مع اقتراحات للتحسين (Hyperparameter Tuning، XGBoost، جمع بيانات أكثر).

الأدوات: Python، Pandas، Scikit-learn، SMOTE، PCA، Matplotlib.