Heart Disease Prediction Using Optimized KNN

قمت بتنفيذ مشروع Machine Learning للتنبؤ بوجود مرض القلب بناءً على مجموعة من البيانات والمؤشرات الصحية للمريض. تم استخدام مجموعة بيانات تحتوي على 918 سجلًا و12 متغيرًا، تشمل العمر، الجنس، نوع ألم الصدر، ضغط الدم أثناء الراحة، مستوى الكوليسترول، سكر الدم، نتائج تخطيط القلب، أقصى معدل لضربات القلب، والذبحة الصدرية الناتجة عن المجهود. بدأ المشروع بفحص البيانات وإجراء التحليل الاستكشافي، والتأكد من عدم وجود قيم مفقودة، ثم تحويل المتغيرات النصية إلى قيم رقمية باستخدام Label Encoding. كما تم تحليل العلاقات بين المتغيرات من خلال Correlation Matrix والرسوم البيانية، واكتشاف القيم المتطرفة في بيانات ضغط الدم والكوليسترول ومعالجتها باستخدام طريقة IQR. بعد تجهيز البيانات، تم بناء نموذج تصنيف باستخدام خوارزمية K-Nearest Neighbors، وحقق النموذج المبدئي دقة بلغت حوالي 73.19%. بعد ذلك تم توحيد نطاق المتغيرات باستخدام StandardScaler، وتطبيق أسلوب Golden Section Search للبحث عن أفضل قيمة لعدد الجيران K ضمن النطاق من 1 إلى 30. توصلت عملية التحسين إلى أن أفضل قيمة هي K = 12، وارتفعت دقة التحقق إلى حوالي 85.87%، مقارنة بدقة النموذج قبل التجهيز والتحسين. تم كذلك إنشاء رسوم بيانية لمقارنة دقة التدريب والتحقق عند القيم المختلفة لـK، بالإضافة إلى مقارنة أداء النموذج قبل التحسين وبعده.