טוען...
בעיה #3
מחבר:ML de bază
רמת קושי
הציון הטוב ביותר שלך
לא זמין
מבוקש לבנות מודל סיווג שיקבע את מין הפרח על בסיס המאפיינים שלו.
כל דגימה מאופיינת על ידי 4 תכונות מספריות: אורך ורוחב הגביע והעלה הכותרת, והתווית (species) מציינת את מין הפרח:
setosaversicolorvirginicaסוג זה של בעיה שייך לקטגוריה של סיווג רב-מחלקתי (multi-class classification).
מערך הנתונים נגזר מהאוסף הקלאסי Iris (UCI ML Repository).
sepal_lengthsepal_widthpetal_lengthpetal_widthtrain.csvמכיל את כל 4 עמודות הfeatures בתוספת העמודה:
target – מייצגת את מין הפרח (0=setosa, 1=versicolor, 2=virginica)דוגמה:
sepal_length_(cm) sepal_width_(cm) petal_length_(cm) petal_width_(cm) target SampleID8 4.4 2.9 1.4 0.2 0 9106 4.9 2.5 4.5 1.7 2 10776 6.8 2.8 4.8 1.4 1 779 4.9 3.1 1.5 0.1 0 1089 5.5 2.5 4.0 1.3 1 90test.csvמכיל את אותן עמודות ללא target, אך כולל SampleID.
דוגמה:
sepal_length_(cm) sepal_width_(cm) petal_length_(cm) petal_width_(cm) SampleID38 4.4 3.0 1.3 0.2 39127 6.1 3.0 4.9 1.8 12857 4.9 2.4 3.3 1.0 5893 5.0 2.3 3.3 1.0 9442 4.4 3.2 1.3 0.2 43קובץ הפלט (submission.csv) חייב להכיל בדיוק שתי עמודות:
SampleIDlabel – המין החזוי (0, 1 או 2)דוגמה:
| SampleID | label |
|---|---|
| 101 | 1 |
| 102 | 2 |
| 103 | 0 |
הערכת המודלים תתבצע באמצעות המדד הבא:
מדד זה מתאים לסיווג רב-מחלקתי, מכיוון שהוא מעניק משקל שווה לכל מחלקה, ללא תלות במספר הדוגמאות בכל אחת.
הנוסחה הכללית:
כאשר C הוא מספר המחלקות, וF1_i הוא ציון F1 עבור מחלקה i.
הציון הסופי מתבטא כאחוז (0–100), מעוגל לשני מקומות עשרוניים.
מערך הנתונים מגיע מהאוסף המקורי:
UCI Machine Learning Repository – Iris Data Set