Iirise lilleliikide klassifitseerimine

🌸 Iirise liigi klassifitseerimine

Probleemi kirjeldus

Soovitakse ehitada klassifitseerimismudel, mis määraks lille liigi tema omaduste põhjal.

Iga näidis on iseloomustatud 4 numbrilise atribuudiga: kroonlehe ja õielehe pikkus ja laius, ning silt (species) näitab lille liiki:

• setosa
• versicolor
• virginica

Seda tüüpi probleem kuulub mitme klassi klassifitseerimise (multi-class classification) kategooriasse.

Andmestik on tuletatud klassikalisest Iris kogust (UCI ML Repository).

🔹 Tunnused (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Sisendifailide struktuur

train.csv

Sisaldab kõiki 4 tunnuste veergu pluss veerg:

• target – esindab lille liiki (0=setosa, 1=versicolor, 2=virginica)

Näide:

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

Sisaldab samu veerge ilma target-ita, kuid sisaldab SampleID-d.

Näide:

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

📤 Esitamine

Väljundfail (submission.csv) peab sisaldama täpselt kahte veergu:

• SampleID
• label – ennustatud liik (0, 1 või 2)

Näide:

⚙️ Hindamine

Mudelite hindamine toimub järgmise mõõdiku abil:

• Macro F1-skoor

See mõõdik sobib mitme klassi klassifitseerimiseks, kuna annab võrdse kaalu igale klassile, olenemata näidete arvust igas klassis.

Üldine valem:

kus C on klasside arv ja F1_i on F1-skoor klassi i jaoks.

Lõplik skoor väljendatakse protsendina (0–100), ümardatuna kahe kümnendkohani.

📊 Allikas

Andmestik pärineb originaalsest kogust:
UCI Machine Learning Repository – Iris Data Set