Calories Burn Prediction Using Machine Learning (Encoder–Decoder Regression)

مشروع تعلم آلة باستخدام Python يهدف إلى بناء نموذج قادر على توقع عدد السعرات الحرارية المحروقة أثناء ممارسة التمارين الرياضية، اعتمادًا على مجموعة من البيانات الشخصية وبيانات النشاط البدني.

بيانات المشروع:

• عدد السجلات: 15,000 سجل

• الهدف: توقع عدد السعرات الحرارية المحروقة

• البيانات المستخدمة: العمر، الطول، الوزن، النوع، مدة التمرين، معدل ضربات القلب، ودرجة حرارة الجسم.

ما تم تنفيذه في المشروع:

• تحليل واستكشاف البيانات (EDA) لفهم طبيعة البيانات والعلاقات بين المتغيرات.

• إنشاء مجموعة من الرسومات التوضيحية، مثل Histograms وBoxplots وScatter Plots وCorrelation Heatmap.

• تنظيف البيانات ومعالجة القيم الناقصة.

• اكتشاف وإزالة القيم الشاذة (Outliers) باستخدام حدود منطقية مناسبة للبيانات.

• تجهيز البيانات باستخدام One-Hot Encoding للبيانات التصنيفية وStandard Scaling للبيانات الرقمية.

• استخدام Pipeline لضمان تطبيق خطوات المعالجة بشكل صحيح وتجنب مشكلة Data Leakage.

• بناء ومقارنة 5 نماذج مختلفة للانحدار:

- Normal Equation

- Gradient Descent

- Ridge Regression

- Lasso Regression

- Elastic Net

• تحليل أهمية الخصائص لمعرفة أكثر العوامل تأثيرًا في توقع السعرات الحرارية.

• أظهرت النتائج أن مدة التمرين ومعدل ضربات القلب من أكثر العوامل تأثيرًا على السعرات الحرارية المحروقة.

• حقق النموذج النهائي معامل تحديد R² يقارب 0.91 على بيانات الاختبار.

التقنيات والأدوات المستخدمة:

Python • Pandas • NumPy • Scikit-learn • Matplotlib • Seaborn • Jupyter Notebook

الهدف من المشروع هو تطبيق دورة العمل الكاملة لمشروع تعلم آلة، بدايةً من فهم البيانات وتحليلها وتنظيفها، مرورًا بتجهيز الخصائص وبناء ومقارنة النماذج، وصولًا إلى تقييم النموذج وتحليل نتائجه.