Clasificarea speciilor de flori 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:

     sepal_length_(cm)  sepal_width_(cm)  petal_length_(cm)  petal_width_(cm)  target  SampleID
8                  4.4               2.9                1.4               0.2       0         9
106                4.9               2.5                4.5               1.7       2       107
76                 6.8               2.8                4.8               1.4       1        77
9                  4.9               3.1                1.5               0.1       0        10
89                 5.5               2.5                4.0               1.3       1        90

test.csv

Conține aceleași coloane fără target, dar include SampleID.

Exemplu:

     sepal_length_(cm)  sepal_width_(cm)  petal_length_(cm)  petal_width_(cm)  SampleID
38                 4.4               3.0                1.3               0.2        39
127                6.1               3.0                4.9               1.8       128
57                 4.9               2.4                3.3               1.0        58
93                 5.0               2.3                3.3               1.0        94
42                 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