Iris virágfajok osztályozása

🌸 Írisz típusának osztályozása

A probléma leírása

Egy olyan osztályozási modell építése a cél, amely a virág fajának meghatározását végzi a jellemzői alapján.

Minden minta 4 numerikus attribútummal jellemezhető: a csészelevél és a sziromlevél hosszúsága és szélessége, míg a címke (species) a virág fajját jelzi:

• setosa
• versicolor
• virginica

Ez a típusú probléma a többosztályos osztályozás (multi-class classification) kategóriájába tartozik.

Az adathalmaz a klasszikus Iris gyűjteményből származik (UCI ML Repository).

🔹 Jellemzők (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 A bemeneti fájlok szerkezete

train.csv

Tartalmazza mind a 4 features oszlopot plusz az oszlopot:

• target – a virág fajját jelöli (0=setosa, 1=versicolor, 2=virginica)

Példa:

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

Ugyanazokat az oszlopokat tartalmazza a target nélkül, de tartalmazza a SampleID-t.

Példa:

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

📤 Beadás

A kimeneti fájlnak (submission.csv) pontosan két oszlopot kell tartalmaznia:

• SampleID
• label – az előrejelzett faj (0, 1 vagy 2)

Példa:

⚙️ Értékelés

A modellek értékelése a következő metrika használatával történik:

• Macro F1-score

Ez a metrika alkalmas a többosztályos osztályozáshoz, mivel egyenlő súlyt ad minden osztálynak, függetlenül az egyes osztályokban lévő példák számától.

Az általános képlet:

ahol C az osztályok száma, F1_i pedig az i osztály F1 pontszáma.

A végső pontszám százalékban kifejezve (0–100), két tizedesre kerekítve.

📊 Forrás

Az adathalmaz az eredeti gyűjteményből származik:
UCI Machine Learning Repository – Iris Data Set