Iris gėlių rūšių klasifikavimas

🌸 Vilkdalgių tipo klasifikavimas

Problemos aprašymas

Siekiama sukurti klasifikavimo modelį, kuris nustatytų gėlės rūšį pagal jos charakteristikas.

Kiekvienas pavyzdys charakterizuojamas 4 skaitiniais atributais: taurėlapio ir vainiklapio ilgiu bei pločiu, o etiketė (species) nurodo gėlės rūšį:

• setosa
• versicolor
• virginica

Šio tipo problema priklauso daugiaklasei klasifikacijai (multi-class classification).

Duomenų rinkinys kilęs iš klasikinio Iris rinkinio (UCI ML Repository).

🔹 Charakteristikos (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Įvesties failų struktūra

train.csv

Turi visus 4 features stulpelius plius stulpelį:

• target – nurodo gėlės rūšį (0=setosa, 1=versicolor, 2=virginica)

Pavyzdys:

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

Turi tuos pačius stulpelius be target, bet įtraukia SampleID.

Pavyzdys:

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

📤 Pateikimas

Išvesties failas (submission.csv) turi turėti lygiai du stulpelius:

• SampleID
• label – prognozuojama rūšis (0, 1 arba 2)

Pavyzdys:

⚙️ Vertinimas

Modelių vertinimas bus atliekamas naudojant šią metriką:

• Macro F1-score

Ši metrika tinka daugiaklasei klasifikacijai, nes suteikia vienodą svorį kiekvienai klasei, nepriklausomai nuo pavyzdžių skaičiaus kiekvienoje.

Bendroji formulė:

kur C yra klasių skaičius, o F1_i yra F1 balas i klasei.

Galutinis balas išreiškiamas procentais (0–100), suapvalintas iki dviejų skaičių po kablelio.

📊 Šaltinis

Duomenų rinkinys kilęs iš originalaus rinkinio:
UCI Machine Learning Repository – Iris Data Set