Класифікація видів квітів Iris

🌸 Класифікація типу ірису

Опис задачі

Потрібно побудувати модель класифікації, яка визначатиме вид квітки на основі її характеристик.

Кожен зразок характеризується 4 числовими атрибутами: довжиною та шириною чашолистка і пелюстки, а мітка (species) вказує вид квітки:

• setosa
• versicolor
• virginica

Цей тип задачі належить до категорії багатокласової класифікації (multi-class classification).

Набір даних походить з класичної колекції Iris (UCI ML Repository).

🔹 Характеристики (features)

• sepal_length
• sepal_width
• petal_length
• petal_width

📘 Структура вхідних файлів

train.csv

Містить усі 4 колонки features плюс колонку:

• target – представляє вид квітки (0=setosa, 1=versicolor, 2=virginica)

Приклад:

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

Містить ті самі колонки без target, але включає SampleID.

Приклад:

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

📤 Подання

Файл виводу (submission.csv) повинен містити рівно дві колонки:

• SampleID
• label – передбачений вид (0, 1 або 2)

Приклад:

⚙️ Оцінювання

Оцінювання моделей буде проводитися з використанням наступної метрики:

• Macro F1-score

Ця метрика підходить для багатокласової класифікації, оскільки надає однакову вагу кожному класу, незалежно від кількості прикладів у кожному.

Загальна формула:

де C — кількість класів, а F1_i — оцінка F1 для класу i.

Фінальна оцінка виражається у відсотках (0–100), округлена до двох десяткових знаків.

📊 Джерело

Набір даних походить з оригінальної колекції:
UCI Machine Learning Repository – Iris Data Set