Klasifikace druhů květin Iris

🌸 Klasifikace typu kosatce

Popis problému

Cílem je vybudovat klasifikační model, který určí druh květiny na základě jejích charakteristik.

Každý vzorek je charakterizován 4 numerickými atributy: délkou a šířkou kališního a korunního lístku, přičemž štítek (species) označuje druh květiny:

• setosa
• versicolor
• virginica

Tento typ problému patří do kategorie vícetrídní klasifikace (multi-class classification).

Dataset je odvozen z klasické kolekce Iris (UCI ML Repository).

🔹 Charakteristiky (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Struktura vstupních souborů

train.csv

Obsahuje všechny 4 sloupce features plus sloupec:

• target – představuje druh květiny (0=setosa, 1=versicolor, 2=virginica)

Příklad:

1     sepal_length_(cm)  sepal_width_(cm)  petal_length_(cm)  petal_width_(cm)  target  SampleID28                  4.4               2.9                1.4               0.2       0         93106                4.9               2.5                4.5               1.7       2       107476                 6.8               2.8                4.8               1.4       1        7759                  4.9               3.1                1.5               0.1       0        10689                 5.5               2.5                4.0               1.3       1        90

test.csv

Obsahuje stejné sloupce bez target, ale zahrnuje SampleID.

Příklad:

1     sepal_length_(cm)  sepal_width_(cm)  petal_length_(cm)  petal_width_(cm)  SampleID238                 4.4               3.0                1.3               0.2        393127                6.1               3.0                4.9               1.8       128457                 4.9               2.4                3.3               1.0        58593                 5.0               2.3                3.3               1.0        94642                 4.4               3.2                1.3               0.2        43

📤 Odevzdání

Výstupní soubor (submission.csv) musí obsahovat přesně dva sloupce:

• SampleID
• label – předpovězený druh (0, 1 nebo 2)

Příklad:

⚙️ Hodnocení

Hodnocení modelů se bude provádět pomocí následující metriky:

• Macro F1-score

Tato metrika je vhodná pro vícetrídní klasifikaci, protože přiděluje stejnou váhu každé třídě, bez ohledu na počet příkladů v každé třídě.

Obecný vzorec:

kde C je počet tříd a F1_i je F1 skóre pro třídu i.

Konečné skóre se vyjadřuje v procentech (0–100), zaokrouhleno na dvě desetinná místa.

📊 Zdroj

Dataset pochází z původní kolekce:
UCI Machine Learning Repository – Iris Data Set