Iris гүл түрлерін жіктеу

🌸 Ирис түрін жіктеу

Есептің сипаттамасы

Өсімдіктің сипаттамалары негізінде гүлдің түрін анықтайтын жіктеу моделін құру қажет.

Әрбір үлгі 4 сандық атрибутпен сипатталады: сепал мен петалдың ұзындығы мен ені, ал белгі (species) гүлдің түрін көрсетеді:

• setosa
• versicolor
• virginica

Бұл есеп түрі көпкласты жіктеу (multi-class classification) санатына жатады.

Деректер жиынтығы классикалық Iris жинағынан алынған (UCI ML Repository).

🔹 Сипаттамалар (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Кіріс файлдарының құрылымы

train.csv

Барлық 4 features бағанасы плюс баған:

• target – гүлдің түрін білдіреді (0=setosa, 1=versicolor, 2=virginica)

Мысал:

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

target-сыз бірақ SampleID-мен бірдей бағандарды қамтиды.

Мысал:

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

📤 Тапсыру

Шығыс файлы (submission.csv) дәл екі баған қамтуы керек:

• SampleID
• label – болжанған түр (0, 1 немесе 2)

Мысал:

⚙️ Бағалау

Модельдерді бағалау келесі метрика арқылы жүргізіледі:

• Macro F1-score

Бұл метрика көпкласты жіктеуге қолайлы, өйткені ол әрбір кластағы мысалдар санына қарамастан әрбір класқа тең салмақ береді.

Жалпы формула:

мұндағы C кластар саны, ал F1_i i класы үшін F1 ұпайы.

Соңғы ұпай пайыз ретінде (0–100) көрсетіледі, екі ондық разрядқа дейін дөңгелектеледі.

📊 Дереккөз

Деректер жиынтығы түпнұсқа жинақтан алынған:
UCI Machine Learning Repository – Iris Data Set