الاكتشاف المبكر لامراض القلب (Cardiovascular Disease Early Detection)

يهدف هذا المشروع إلى التنبؤ المبكر بأمراض القلب باستخدام تقنيات Machine Learning من خلال تدريب ومقارنة عدة نماذج على بيانات طبية حقيقية تضم أكثر من 70,000 سجل. بدأت العمل بمرحلة Data Preprocessing والتي تضمنت تنظيف البيانات، إزالة Outliers، وإنشاء Features جديدة مثل BMI و Pulse Pressure، بالإضافة إلى تطبيق Feature Scaling لتجهيز البيانات للتدريب. تم تدريب ومقارنة سبعة نماذج مختلفة وهي Logistic Regression و KNN و Decision Tree و Random Forest و XGBoost و SVM و Voting Ensemble، مع إجراء Hyperparameter Tuning باستخدام GridSearchCV و Cross Validation للوصول إلى أفضل أداء لكل نموذج. اعتمدت عملية التقييم على عدة Metrics مثل Accuracy و AUC و Recall، مع التركيز بشكل أساسي على Recall لتقليل حالات False Negatives في تشخيص المرض. أظهرت النتائج أن نموذج Logistic Regression حقق أفضل أداء بعد ضبط Decision Threshold، حيث وصل إلى Recall بنسبة 81% ودقة بلغت 72.9%. يوضح المشروع دورة العمل الكاملة بداية من Data Preprocessing و Feature Engineering مرورًا بتدريب النماذج ومقارنتها، وحتى اختيار أفضل Model اعتمادًا على النتائج ومؤشرات الأداء المختلفة.