Clasificación de especies de flores Iris

🌸 Clasificación del tipo de iris

Descripción del problema

Se desea construir un modelo de clasificación que determine la especie de una flor basándose en sus características.

Cada muestra se caracteriza por 4 atributos numéricos: longitud y anchura del sépalo y pétalo, y la etiqueta (species) indica la especie de la flor:

• setosa
• versicolor
• virginica

Este tipo de problema pertenece a la categoría de clasificación multiclase (multi-class classification).

El dataset se deriva de la colección clásica Iris (UCI ML Repository).

🔹 Características (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Estructura de los archivos de entrada

train.csv

Contiene todas las 4 columnas de features más la columna:

• target – representa la especie de la flor (0=setosa, 1=versicolor, 2=virginica)

Ejemplo:

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

Contiene las mismas columnas sin target, pero incluye SampleID.

Ejemplo:

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

📤 Envío

El archivo de salida (submission.csv) debe contener exactamente dos columnas:

• SampleID
• label – la especie predicha (0, 1 o 2)

Ejemplo:

⚙️ Evaluación

La evaluación de los modelos se realizará utilizando la siguiente métrica:

• Macro F1-score

Esta métrica es adecuada para la clasificación multiclase, ya que otorga peso igual a cada clase, independientemente del número de ejemplos en cada una.

Fórmula general:

donde C es el número de clases, y F1_i es el score F1 para la clase i.

El score final se expresa como porcentaje (0–100), redondeado a dos decimales.

📊 Fuente

El dataset proviene de la colección original:
UCI Machine Learning Repository – Iris Data Set