Klassificering av Iris-blomarter

🌸 Klassificering av iristyp

Problembeskrivning

Målet är att bygga en klassificeringsmodell som kan bestämma arten av en blomma baserat på dess egenskaper.

Varje prov karakteriseras av 4 numeriska attribut: längd och bredd på foderblad och kronblad, och etiketten (species) anger blomartens art:

• setosa
• versicolor
• virginica

Denna typ av problem tillhör kategorin multiklassklassificering (multi-class classification).

Datasetet är härlett från den klassiska Iris-samlingen (UCI ML Repository).

🔹 Egenskaper (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Struktur för indatafiler

train.csv

Innehåller alla 4 kolumner med features plus kolumnen:

• target – representerar blomartens art (0=setosa, 1=versicolor, 2=virginica)

Exempel:

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

Innehåller samma kolumner utan target, men inkluderar SampleID.

Exempel:

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

📤 Inlämning

Utdatafilen (submission.csv) måste innehålla exakt två kolumner:

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

Exempel:

⚙️ Utvärdering

Utvärderingen av modellerna kommer att göras med följande mått:

• Macro F1-score

Detta mått är lämpligt för multiklassklassificering eftersom det ger lika vikt åt varje klass, oavsett antalet exempel i varje klass.

Den allmänna formeln:

där C är antalet klasser och F1_i är F1-poängen för klass i.

Det slutliga resultatet uttrycks som procent (0–100), avrundat till två decimaler.

📊 Källa

Datasetet kommer från den ursprungliga samlingen:
UCI Machine Learning Repository – Iris Data Set