ირისის ყვავილების სახეობების კლასიფიკაცია

🌸 ირისის ტიპის კლასიფიკაცია

პრობლემის აღწერა

სურვილია ავაშენოთ კლასიფიკაციის მოდელი, რომელიც განსაზღვრავს ყვავილის სახეობას მისი მახასიათებლების საფუძველზე.

თითოეული ნიმუში ხასიათდება 4 რიცხვითი ატრიბუტით: სეპალისა და ლაბლების სიგრძე და სიგანე, ხოლო ეტიკეტი (species) მიუთითებს ყვავილის სახეობაზე:

• setosa
• versicolor
• virginica

ამ ტიპის პრობლემა მიეკუთვნება მრავალკლასიანი კლასიფიკაციის (multi-class classification) კატეგორიას.

მონაცემთა ნაკრები მომდინარეობს კლასიკური Iris კოლექციიდან (UCI ML Repository).

🔹 მახასიათებლები (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 შემავალი ფაილების სტრუქტურა

train.csv

შეიცავს ყველა 4 features სვეტს პლუს სვეტი:

• target – წარმოადგენს ყვავილის სახეობას (0=setosa, 1=versicolor, 2=virginica)

მაგალითი:

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

შეიცავს იგივე სვეტებს target-ის გარეშე, მაგრამ მოიცავს SampleID-ს.

მაგალითი:

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

📤 წარდგენა

გამოსავალი ფაილი (submission.csv) უნდა შეიცავდეს ზუსტად ორ სვეტს:

• SampleID
• label – პროგნოზირებული სახეობა (0, 1 ან 2)

მაგალითი:

⚙️ შეფასება

მოდელების შეფასება განხორციელდება შემდეგი მეტრიკის გამოყენებით:

• Macro F1-score

ეს მეტრიკა შესაფერისია მრავალკლასიანი კლასიფიკაციისთვის, რადგან აძლევს თანაბარ წონას თითოეულ კლასს, მიუხედავად მაგალითების რაოდენობისა თითოეულ კლასში.

ზოგადი ფორმულა:

სადაც C არის კლასების რაოდენობა, ხოლო F1_i არის F1 ქულა i კლასისთვის.

საბოლოო ქულა გამოიხატება პროცენტებში (0–100), დამრგვალებული ორ ათწილადამდე.

📊 წყარო

მონაცემთა ნაკრები მომდინარეობს ორიგინალური კოლექციიდან:
UCI Machine Learning Repository – Iris Data Set