Classificatie van Iris bloemensoorten

🌸 Classificatie van het iristype

Probleembeschrijving

Het doel is om een classificatiemodel te bouwen dat de soort van een bloem kan bepalen op basis van haar kenmerken.

Elk monster wordt gekarakteriseerd door 4 numerieke attributen: de lengte en breedte van de kelkbladeren en kroonbladeren, en het label (species) geeft de bloemsoort aan:

• setosa
• versicolor
• virginica

Dit type probleem behoort tot de categorie van multiclass classificatie.

De dataset is afgeleid van de klassieke Iris collectie (UCI ML Repository).

🔹 Kenmerken (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Structuur van de invoerbestanden

train.csv

Bevat alle 4 features kolommen plus de kolom:

• target – vertegenwoordigt de bloemsoort (0=setosa, 1=versicolor, 2=virginica)

Voorbeeld:

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

Bevat dezelfde kolommen zonder target, maar inclusief SampleID.

Voorbeeld:

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

📤 Inzending

Het uitvoerbestand (submission.csv) moet exact twee kolommen bevatten:

• SampleID
• label – voorspelde soort (0, 1 of 2)

Voorbeeld:

⚙️ Evaluatie

De evaluatie van de modellen zal worden uitgevoerd met behulp van de volgende metriek:

• Macro F1-score

Deze metriek is geschikt voor multiclass classificatie, omdat het gelijk gewicht geeft aan elke klasse, ongeacht het aantal voorbeelden in elke klasse.

De algemene formule:

waarbij C het aantal klassen is, en F1_i de F1-score voor klasse i is.

De eindresultaat wordt uitgedrukt als percentage (0–100), afgerond op twee decimalen.

📊 Bron

De dataset komt uit de originele collectie:
UCI Machine Learning Repository – Iris Data Set