Clasificarea tipului de vin

🧪 Clasificarea tipului de vin din datasetul Wine

Descrierea problemei

Se dorește construirea unui model de clasificare care să determine tipul unui vin pe baza caracteristicilor sale chimice.

Fiecare eșantion este caracterizat prin 13 atribute numerice care descriu proprietăți chimice și fizice ale vinului, iar eticheta (target) indică soiul de vin din care provine.

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

🔹 Caracteristici (features)

• alcohol
• malic_acid
• ash
• alcalinity_of_ash
• magnesium
• total_phenols
• flavanoids
• nonflavanoid_phenols
• proanthocyanins
• color_intensity
• hue
• od280/od315_of_diluted_wines
• proline

Datasetul provine din colecția originală UCI Machine Learning Repository:
https://archive.ics.uci.edu/ml/datasets/Wine

📘 Structura fișierelor de intrare

train.csv

Conține toate cele 13 coloane de features plus coloana:

• target – reprezintă clasa vinului (soiul).
  Valorile posibile sunt 1, 2 și 3.

Exemplu:

1   SampleID  alcohol  malic_acid  ...  od280/od315_of_diluted_wines  proline  target20        37    13.28        1.64  ...                          2.78    880.0       031        31    13.73        1.50  ...                          2.71   1285.0       042        27    13.39        1.77  ...                          3.22   1195.0       053        13    13.75        1.73  ...                          2.90   1320.0       064       149    13.32        3.24  ...                          1.62    650.0       2

test.csv

Conține aceleași coloane fără target, dar include SampleID.

Exemplu:

1   SampleID  alcohol  malic_acid  ...   hue  od280/od315_of_diluted_wines  proline20        11    14.10        2.16  ...  1.25                          3.17   1510.031       135    12.51        1.24  ...  0.75                          1.51    650.042        29    13.87        1.90  ...  1.25                          3.40    915.053       122    11.56        2.05  ...  0.93                          3.69    465.064        63    13.67        1.25  ...  1.23                          2.46    630.0

📤 Submisia

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

• SampleID
• label – eticheta prezisă de model (1, 2 sau 3)

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 – Wine Data Set