تشخيص سرطان الثدي باستخدام خوارزميات تعلم الآلة (Breast Cancer Diagnostic Classification)

الوصف

مشروع تحليل بيانات وبناء نماذج تعلم آلة (Machine Learning) لتشخيص سرطان الثدي بدقة عالية اعتماداً على مجموعة بيانات Breast Cancer Dataset.

هدف المشروع:
تصنيف الأورام إلى (خبيثة / حميدة) بمساعدة تقنيات تعلم الآلة للمساهمة في الدعم التشخيصي المبكر.

خطوات العمل والتقنيات المستخدمة:
1. استكشاف البيانات (Exploratory Data Analysis - EDA):
- التحقق من هيكل البيانات والحجم (569 سجل و 30 خاصية تشخيصية).
- الفحص عن القيم المفقودة (Missing Values) والتأكد من سلامة البيانات.
- حساب الإحصاءات الوصفية (Describe Statistics).

2. معالجة البيانات وتحضيرها (Data Preprocessing):
- تقسيم البيانات إلى مجموعات التدريب والاختبار (Train/Test Split).
- المعايرة القياسية للميزات (StandardScaler) لضمان تحسين أدوات التنبؤ.

3. بناء وتقييم النماذج (Model Building & Evaluation):
- تطبيق ومقارنة عدة خوارزميات تصنيف:
* الانحدار اللوجستي (Logistic Regression)
* آلات المتجهات الداعمة (Support Vector Classifier - SVC)
* أشجار القرار (Decision Tree)
* الغابات العشوائية (Random Forest)
* الجار الأقرب (K-Nearest Neighbors - KNN)
- تقييم أداء النماذج باستخدام مقاييس مختلفة (Accuracy, Precision, Recall, F1-Score, Confusion Matrix).

المكتبات المستخدمة:
- Python
- Pandas & NumPy
- Scikit-Learn
- Matplotlib