تحليل جودة النوم والتنبؤ باضطرابات النوم باستخدام Machine Learning

النوم وتصنيف اضطرابات النوم باستخدام Python ومجموعة من خوارزميات تعلم الآلة.

تضمن المشروع المراحل التالية:

تحليل البيانات الاستكشافي (EDA): دراسة العلاقات بين جودة النوم، مدة النوم، مستوى التوتر، معدل ضربات القلب، والنشاط البدني.

تنظيف البيانات ومعالجتها: فحص التكرارات وتحليل جودة البيانات والتعامل مع المتغيرات الرقمية والفئوية.

هندسة الخصائص (Feature Engineering): إنشاء مؤشرات إضافية مثل عجز ساعات النوم ومؤشرات ضغط الدم.

نمذجة الانحدار (Regression): تدريب ومقارنة نماذج للتنبؤ بجودة النوم.

نمذجة التصنيف (Classification): تصنيف الحالات إلى ثلاث فئات: لا يوجد اضطراب، الأرق (Insomnia)، وانقطاع النفس أثناء النوم (Sleep Apnea).

تقييم الأداء: استخدام Group Cross-Validation ومقاييس مثل R² وMAE وF1-score، مع مقارنة النماذج وتحليل الأخطاء وأهمية الخصائص.

استخدمت مكتبات Pandas وNumPy وMatplotlib وSeaborn وScikit-learn، بالإضافة إلى نماذج مثل Linear Regression وRandom Forest وXGBoost وLightGBM وLogistic Regression وMLP.

يركز المشروع على بناء نماذج قابلة للتقييم المنهجي، وتقليل أثر تكرار البيانات وتسرب المعلومات بين مجموعات التدريب والاختبار. المشروع لأغراض تحليل البيانات والتعلم الآلي، وليس للتشخيص الطبي.