加载中...
题目 #3
作者:ML de bază
难度
您的最佳成绩
不适用
需要构建一个分类模型来根据花朵的特征确定花朵的种类。
每个样本通过4个数值属性进行特征化：萼片和花瓣的长度和宽度，而标签（species）表示花朵的种类：
setosaversicolorvirginica这类问题属于**多类分类（multi-class classification）**范畴。
数据集来源于经典的Iris集合（UCI ML Repository）。
sepal_lengthsepal_widthpetal_lengthpetal_widthtrain.csv包含所有4列features加上以下列：
target – 表示花朵种类（0=setosa，1=versicolor，2=virginica）示例：
sepal_length_(cm) sepal_width_(cm) petal_length_(cm) petal_width_(cm) target SampleID8 4.4 2.9 1.4 0.2 0 9106 4.9 2.5 4.5 1.7 2 10776 6.8 2.8 4.8 1.4 1 779 4.9 3.1 1.5 0.1 0 1089 5.5 2.5 4.0 1.3 1 90test.csv包含相同的列但不包含target，但包括SampleID。
示例：
sepal_length_(cm) sepal_width_(cm) petal_length_(cm) petal_width_(cm) SampleID38 4.4 3.0 1.3 0.2 39127 6.1 3.0 4.9 1.8 12857 4.9 2.4 3.3 1.0 5893 5.0 2.3 3.3 1.0 9442 4.4 3.2 1.3 0.2 43输出文件（submission.csv）必须恰好包含两列：
SampleIDlabel – 预测的种类（0、1或2）示例：
| SampleID | label |
|---|---|
| 101 | 1 |
| 102 | 2 |
| 103 | 0 |
模型评估将使用以下指标：
这个指标适用于多类分类，因为它为每个类别赋予相等的权重，无论每个类别的样本数量如何。
通用公式：
其中C是类别数，F1_i是类别i的F1分数。
最终分数以百分比表示（0–100），四舍五入到两位小数。