IRIS

🌸 Clasificarea tipului de iris

Descrierea problemei

Se dorește construirea unui model de clasificare care să determine specia unei flori pe baza caracteristicilor sale.

Fiecare eșantion este caracterizat prin 4 atribute numerice: lungimea și lățimea sepalei și petalei, iar eticheta (species) indică specia florii:

• setosa
• versicolor
• virginica

Acest tip de problemă aparține categoriei de clasificare multiclasa (multi-class classification).

Datasetul este derivat din colecția clasică Iris (UCI ML Repository).

🔹 Caracteristici (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Structura fișierelor de intrare

train.csv

Conține toate cele 4 coloane de features plus coloana:

• target – reprezintă specia florii (0=setosa, 1=versicolor, 2=virginica)

Exemplu:

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

Conține aceleași coloane fără target, dar include SampleID.

Exemplu:

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

📤 Submisia

Fișierul de ieșire (submission.csv) trebuie să conțină exact două coloane:

• SampleID
• label – specia prezisă (0, 1 sau 2)

Exemplu:

⚙️ Evaluarea

Evaluarea modelelor se va face utilizând următoarea metrică:

• Macro F1-score

Această metrică este potrivită pentru clasificarea multiclasa, deoarece acordă pondere egală fiecărei clase, indiferent de numărul de exemple din fiecare.

Formula generală:

unde C este numărul de clase, iar F1_i este scorul F1 pentru clasa i.

Scorul final se exprimă ca procent (0–100), rotunjit la două zecimale.

📊 Sursă

Datasetul provine din colecția originală:
UCI Machine Learning Repository – Iris Data Set