Klassificering af Iris blomsterarter

🌸 Klassificering af iris-type

Problembeskrivelse

Der ønskes konstrueret en klassificeringsmodel, som kan bestemme arten af en blomst baseret på dens karakteristika.

Hver prøve er karakteriseret ved 4 numeriske attributter: længde og bredde af bægerblade og kronblade, og etiketten (species) angiver blomstens art:

• setosa
• versicolor
• virginica

Denne type problem tilhører kategorien flerklasse-klassificering (multi-class classification).

Datasættet er afledt af den klassiske Iris-samling (UCI ML Repository).

🔹 Karakteristika (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Struktur af inputfiler

train.csv

Indeholder alle 4 features-kolonner plus kolonnen:

• target – repræsenterer blomstens art (0=setosa, 1=versicolor, 2=virginica)

Eksempel:

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

Indeholder de samme kolonner uden target, men inkluderer SampleID.

Eksempel:

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

📤 Indsendelse

Outputfilen (submission.csv) skal indeholde præcis to kolonner:

• SampleID
• label – den forudsagte art (0, 1 eller 2)

Eksempel:

⚙️ Evaluering

Evaluering af modellerne vil blive foretaget ved hjælp af følgende metrik:

• Macro F1-score

Denne metrik er velegnet til flerklasse-klassificering, da den giver lige vægt til hver klasse, uanset antallet af eksempler i hver.

Den generelle formel:

hvor C er antallet af klasser, og F1_i er F1-scoren for klasse i.

Den endelige score udtrykkes som procent (0–100), afrundet til to decimaler.

📊 Kilde

Datasættet stammer fra den originale samling:
UCI Machine Learning Repository – Iris Data Set