Orthopedic(analysis&preprocessing)

مشروع تطبيقي على بيانات 310 مريض من مستودع UCI (6 قياسات حيوية ميكانيكية للحوض والعمود الفقري، مقسمة إلى طبيعي وغير طبيعي)، لمعرفة القياسات الأكثر تمييزًا بين الحالتين وتجهيز البيانات لنماذج التصنيف، باستخدام Python وPandas وSeaborn في Google Colab. تحققت من جودة البيانات (لا قيم مفقودة ولا تكرارات)، وأنشأت متغيرًا ثنائيًا للهدف، وحللت توازن الفئات (___% طبيعي مقابل ___% غير طبيعي) والتوزيعات حسب الفئة والارتباطات والقيم الشاذة. ثم جهزت البيانات بتقسيم طبقي (Stratified) للتدريب والاختبار وتوحيد المقاييس بطريقة RobustScaler دون تسريب بيانات، لأن القيم الشاذة تمثل حالات حقيقية فتم الإبقاء عليها.

أبرز النتائج: أقوى قياس ارتباطًا بالحالة غير الطبيعية هو ___، وتتركز القيم المتطرفة في المرضى غير الطبيعيين. النتيجة نوتبوك مشروح وملف CSV نظيف جاهز للنمذجة. المشروع تعليمي على بيانات عامة وليس أداة تشخيص طبي.