Klassifisering av Iris blomsterarter

🌸 Klassifisering av iristype

Problembeskrivelse

Det ønskes å bygge en klassifiseringsmodell som kan bestemme arten til en blomst basert på dens karakteristikker.

Hver prøve er karakterisert ved 4 numeriske attributter: lengde og bredde på begerblad og kronblad, mens etiketten (species) indikerer blomstens art:

• setosa
• versicolor
• virginica

Denne typen problem tilhører kategorien flerkasseklassifisering (multi-class classification).

Datasettet er avledet fra den klassiske Iris-samlingen (UCI ML Repository).

🔹 Karakteristikker (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Struktur for inndatafiler

train.csv

Inneholder alle de 4 features-kolonnene pluss kolonnen:

• target – representerer blomstens art (0=setosa, 1=versicolor, 2=virginica)

Eksempel:

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

Inneholder de samme kolonnene uten target, men inkluderer SampleID.

Eksempel:

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

📤 Innlevering

Utdatafilen (submission.csv) må inneholde nøyaktig to kolonner:

• SampleID
• label – predikert art (0, 1 eller 2)

Eksempel:

⚙️ Evaluering

Evaluering av modellene vil bli gjort ved bruk av følgende metrikk:

• Macro F1-score

Denne metrikken er egnet for flerkasseklassifisering, fordi den gir lik vekt til hver klasse, uavhengig av antall eksempler fra hver.

Generell formel:

hvor C er antall klasser, og F1_i er F1-scoren for klasse i.

Den endelige scoren uttrykkes som prosent (0–100), avrundet til to desimaler.

📊 Kilde

Datasettet kommer fra den opprinnelige samlingen:
UCI Machine Learning Repository – Iris Data Set