Klasifikácia druhov kvetov Iris

🌸 Klasifikácia typu íris

Popis problému

Požaduje sa vybudovanie klasifikačného modelu, ktorý určí druh kvetu na základe jeho charakteristík.

Každá vzorka je charakterizovaná 4 numerickými atribútmi: dĺžka a šírka kalicha a okvetnéhо lístka, pričom štítok (species) označuje druh kvetu:

• setosa
• versicolor
• virginica

Tento typ problému patrí do kategórie viactriednej klasifikácie (multi-class classification).

Dataset je odvodený z klasickej kolekcie Iris (UCI ML Repository).

🔹 Charakteristiky (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Štruktúra vstupných súborov

train.csv

Obsahuje všetky 4 stĺpce features plus stĺpec:

• target – predstavuje druh kvetu (0=setosa, 1=versicolor, 2=virginica)

Príklad:

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

Obsahuje tie isté stĺpce bez target, ale zahŕňa SampleID.

Príklad:

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

Výstupný súbor (submission.csv) musí obsahovať presne dva stĺpce:

• SampleID
• label – predpovedaný druh (0, 1 alebo 2)

Príklad:

⚙️ Hodnotenie

Hodnotenie modelov sa bude vykonávať pomocou nasledujúcej metriky:

• Macro F1-score

Táto metrika je vhodná pre viactriednu klasifikáciu, pretože prikladá rovnakú váhu každej triede, bez ohľadu na počet príkladov v každej.

Všeobecná formula:

kde C je počet tried a F1_i je F1 skóre pre triedu i.

Finálne skóre sa vyjadruje ako percentá (0–100), zaokrúhlené na dve desatinné miesta.

📊 Zdroj

Dataset pochádza z pôvodnej kolekcie:
UCI Machine Learning Repository – Iris Data Set