Flowers Classification Prediction By Deep Learning Using Keras and Tensorflow API

Flowers Classification Prediction

By Deep Learning

Using Keras and Tensorflow API

توقع تصنيف الزهور بواسطة التعلم العميق

بأستخدام Keras و Tensorflow API

 

يقوم هذا النظام وتطبيق الويب بمعرفة توقع صنف الزهرة لثلاثة انواع من الزهور

رابط التطبيق من هنا

 

وهي ( Rose ) (Sunflower) (Diasy) ….

وبعد أستخدام الداتاسيت للمشروع تقريبا (4000 Images)

(Train images=2000) و ( Validation images=2000) وتدريبها للحصول على الموديل ضمن مكتبة كيراس وبناءالشبكة عصبية تلافيفية (Convolutional Neural Network CNN)  

وبدعم من تطبيقات برمجة الواجهة لمكتبة Tensorflow  API Backend

بأمكانكم تنزيل كود التدريب من هنا

والموديل من هنا

ورابط التطبيق من هنا

 

Advertisements

Car valuation Prediction System by Machine Learning

Car valuation Prediction System

 by Machine Learning

نظام توقع تقييم السيارة بأستخدام التعلم الالي

يقوم هذا النظام وتطبيق الويب بمعرفة توقع وتقييم السيارة معتمدة على بعض المميزات لها لغرض تقييمها في الشراء على أساس تقييمها ضمن الدرجات التالية

( مقبولة او غير مقبولة او جيدة او جيدة جدا )

رابط التطبيق الويب من هنا

 

يمكن تنزيل الداتا سيت (DataSet)

وخصائص المميزات والتصنيف(Features & Class) من هنا

أو من هنا

بعد استخدام احد خوازميات التدريب من قبل مكتبة (sklearn) موديل

بتطبيق خوازمية شجرة القرار  DecisionTreeClassifier

رابط الموديل من هنا

خصائص المميزات كالاتي :-

Attribute Information:

Class Values: Target: unacc, acc, good, vgood

Attributes:

buying: vhigh, high, med, low.

 maint: vhigh, high, med, low.

doors: 2, 3, 4, 5more.

persons: 2, 4, more.

 lug_boot: small, med, big.

safety: low, med, high.

رابط الموديل من هنا

رابط ملف التدريب من هنا

 

Diabetes Classifier Detector System For Women By Machine Learning

Diabetes Classifier Detector System

 for Women By Machine Learning

نظام كشف صنف مرض الداء السكري للنساء

عن طريق التعلم الآلي

 الملخص:-

في هذا المشروع تم انشاء تطبيق ويب لمعرفة تصنيف ونوع مرض الداء السكري بعد استخدام طرق التصنيف ان كانت  مصابة بدأء السكري (Diabetes)او غير مصابة (Not Diabetes) بأستخدام خوارزميات التعلم الالي وباستخدام مصنف وخوارزمية الغابة العشوائية (Random Forest Classifier) بتدريب البيانات ( dataset )   المتكونة

من (8 Features)

رابط التطبيق من هنا

..وتم التدريب وفق الكود التالي

بامكانك تنزيله من هنا .

وتنزيل الموديل من هنا

وتنزيل الداتا سيت من هنا

بأستخدام مصنف الغابة العشوائية وبمعرفة مكتبة RandomForestClassifier

يعتبر مصنف الغابة العشوائي. هو المقدر الفوقي والتي تناسب عددًا من مصنّعي شرائح القرار  ( شجرة القرار ) Decision Tree  على عينات فرعية مختلفة من مجموعة البيانات ويستخدمون متوسطًا لتحسين الدقة التنبؤية والتحكم في التركيب.

بامكانك الاطلاع عليها من هنا

تفاصيل المميزات وضمن الحدود الرقمية التالية :- (Data Overview)

Pregnancies : Number of times pregnant

Glucose : Plasma glucose concentration a 2 hours in an oral glucose tolerance test

BloodPressure : Diastolic blood pressure (mm Hg)

SkinThickness :Triceps skin fold thickness (mm)

Insulin :2-Hour serum insulin (mu U/ml)

BMI : Body mass index (weight in kg/(height in m)^2)

DiabetesPedigreeFunction : Diabetes pedigree function

Age : Age (years)

Outcome : Class variable (0 or 1)

 

 وبعد حصولنا على الموديل النهائي بعد التجربة على بيانات الاختبار وحصولنا على الدقة

وباستخدام مكتبة Flask  تم انشاء تطبيق ويب لمعرفة نوع التصنيف  والتوقع(Prediction) لمرض الداء السكري (Diabetes For women )

مكتبة flask  من هنا

 

 رابط التطبيق من هنا 

 

 

 

 

 

Breast Cancer Classifier Detection System Web App using (Artificial Neural Network )

Breast Cancer Classifier Detection System

Web App

using (Artificial Neural Network )

تطبيق ويب لكشف صنف ونوع مرض سرطان الثدي 

بأستخدام ألشبكات العصبية الاصطناعية 

 

في هذا المشروع تم انشاء تطبيق ويب لمعرفة تصنيف ونوع مرض سرطان الثدي بعد استخدام طرق التصنيف ان كان حميد (Benign ) او خبيث(Malignant ) بأستخدام خوارزميات الشبكات العصبية الاصطناعية (ANN) .ضمن تقنية التعلم العميق

(Deep Learning ) بعد استخدام الطبقات ومكتبة واجهات

كيراس …

رابط  التطبيق من هنا 

بتدريب البيانات( dataset )    المتكونة من 30 ميزة (Features)..وتم التدريب وفق الكود التالي باستخدام مكتبة كيراس لاستيراد واضافة الطبقات الادخال والمخفية وطبفة الاخراج لحساب الدقة في التوقع لنوع السرطان ….

كود التدريب من هنا

 الموديل من هنا

باستخدام مكتبات كيراس من هنا

 

وبعد حصولنا على الموديل النهائي بعد التجربة على بيانات الاختبار وحصولنا على الدقة

وباستخدام مكتبة Flask  تم انشاء تطبيق ويب لمعرفة نوع التصنيف  والتوقع(Prediction) لمرض السرطان (Breast Cancer Classifier )

مكتبة flask  من هنا

وصف المميزات من هنا مع الداتا سيت

او من هنا

الداتاسيت تجدها هنا

 

تفاصيل المميزات وضمن الحدود الرقمية التالية :-

30 ) feature for Breast Cancer With ANN Deep learning Algorithms )

1-radius_mean max=28.11    min=6.981

2-texture_mean max=39.28   min=9.71

3-perimeter_mean max=188.5   min=43.79

4-area_mean max=2501          min=143.5

5-smoothness_mean max=0.1634  min=0.052629999999999996

6-compactness_mean max=0.3454  min=0.01938

7-concavity_mean  max=0.4268    min=0.0

8-concave points_mean  max=0.2012  min=0.0

9-symmetry_mean  max=0.304        min=0.106

10-fractal_dimension_mean max=0.09744 min=0.049960000000

11-radius_se  max=2.873     min=0.1115

12-texture_se max=4.885    min=0.3602

13-perimeter_se max=21.98    min=0.757

14-area_se  max=542.2       min=6.8020000000000005

15-smoothness_se max=0.03113 min=0.001713

16-compactness_se max=0.1354  min=0.002252

17-concavity_se   max=0.396   min=0.0

18-concave points_se max=0.05279 min=0.0

19-symmetry_se  max=0.07895  min=0.007882

20-fractal_dimension_se max=0.02984    min=0.0008948000000000001

21-radius_worst max=36.04  min=7.93

22-texture_worst max=49.54  min=12.02

23-perimeter_worst max=251.2 min=50.41

24-area_worst max=4254.0 min=185.2

25-smoothness_worst max=0.2226 min=0.07117000000000001

26-compactness_worst max=1.058 min=0.02729

27-concavity_worst max=1.252   min=0.0

28-concave points_worst max=0.29100000000000004 min=0.0

29-symmetry_worst max=0.6638  min=0.1565

30-fractal_dimension_worst max=0.2075 min=0.05504