Adult Income: Census Income Classification

مشروع تصنيف ثنائي (binary classification) بيتنبأ إذا كان الدخل السنوي للشخص أعلى من 50,000 دولار، باستخدام بيانات التعداد السكاني UCI Adult. الداتا دي تاريخية ومناسبة لتدريب مهارات تجهيز البيانات وتقييم النماذج، ومش مناسبة لاتخاذ قرارات حقيقية بخصوص الأشخاص.

تنظيف البيانات والنمذجة

التحميل: تنزيل ملفي adult.data وadult.test من أرشيف UCI الرسمي.

التنظيف: حذف المسافات الزايدة من الأعمدة النصية، وتحويل علامة ? لقيم مفقودة، وتوحيد تسميات ملف الاختبار (اللي بتنتهي بنقطة).

الحفاظ على التقسيم الأصلي: استخدام نفس تقسيم التدريب/الاختبار الموجود في المصدر.

منع تسريب البيانات: ضبط (fit) تعويض القيم المفقودة بالوسيط (median) وتوحيد المقياس للأعمدة الرقمية، وتعويض القيم المفقودة بالقيمة الأكثر تكرارًا (most frequent) مع one-hot encoding للأعمدة الفئوية، كل ده على بيانات التدريب بس.

النموذج: Logistic Regression مع class weights للتعامل مع عدم توازن الفئات.

التقييم: على مجموعة الاختبار الأصلية، باستخدام Precision وRecall وF1 وBalanced Accuracy وROC-AUC.