مشروع تصنيف أورام الثدي باستخدام تعلم الآلة (Breast Cancer Classification)
طوّرتُ مشروعًا لتحليل بيانات أورام الثدي وبناء نماذج تعلم آلة تساعد في تصنيف الأورام إلى حميدة أو خبيثة، مع التركيز على تحسين اكتشاف الحالات الخبيثة.
أبرز ما تم تنفيذه:
- بناء ومقارنة نماذج تعلم الآلة: Logistic Regression وSVM وRandom Forest لتحديد النموذج الأنسب للمهمة.
- تحليل الارتباط بين الميزات واستبعاد 10 ميزات ذات ارتباط مرتفع لتقليل التكرار وتحسين كفاءة النموذج.
- استخدام Cross-Validation وGridSearchCV لاختيار أفضل إعدادات للنماذج وتقييم أدائها.
- تحسين نموذج SVM باستخدام أوزان مخصصة للفئات وضبط عتبة القرار لزيادة قدرته على اكتشاف الأورام الخبيثة.
النتائج:
- تحقيق معدل استدعاء (Recall) بلغ 97.62% لفئة الأورام الخبيثة.
- الوصول إلى دقة تصنيف (Accuracy) بلغت95.61% بعد تحسين نموذج SVM.
الأدوات والتقنيات المستخدمه: Python، Pandas، Scikit-learn، Feature Selection، Cross-Validation، GridSearchCV، Model Evaluation.