تصنيف زهرة الأيرس باستخدام التعلم العميق

بإيجاز، فيما يلي ملخص لمشروع تصنيف زهرة الأيرس:

1. نظرة عامة على المشروع:

- الهدف من المشروع هو تصنيف أنواع زهرة الأيرس (Setosa، Versicolor، Virginica) باستخدام خوارزمية التعلم الكمي للمتجهات (LVQ).

- تم استخدام مجموعة بيانات الأيرس من مستودع تعلم الآلة بجامعة كاليفورنيا إرفين، والتي تحتوي على 150 عينة.

- تحتوي مجموعة البيانات على 4 ميزات كمية (طول السبيرال، عرض السبيرال، طول البتلة، عرض البتلة) والمتغير المستهدف هو نوع زهرة الأيرس.

2. معالجة البيانات المسبقة:

- تم تحميل بيانات الأيرس من ملف CSV إلى إطار بيانات Pandas.

- تم فصل الميزات عن المتغير المستهدف، وتم تقييم البيانات باستخدام StandardScaler.

- تم تقسيم مجموعة البيانات إلى مجموعتي تدريب واختبار، مع تصنيف حسب المتغير المستهدف.

3. النمذجة:

- يخطط المشروع للعمل على 3 نماذج مختلفة: LVQ و K-Means Clustering و ANFIS، للعثور على أفضل دقة مثلى للتصنيف.

- LVQ (التعلم الكمي للمتجهات) هو نوع من خوارزميات الشبكة العصبية الاصطناعية التي تسمح لك باختيار عدد المثال التدريبي الذي ستتصل به وتتعلم كيف ينبغي أن يبدو.

- K-Means Clustering هو خوارزمية تعلم آلي غير خاضعة للإشراف، حيث لا يتم استخدام المتغير المستهدف (y) أثناء عملية التدريب.

4. الأهداف:

- الهدف الرئيسي هو تصنيف 3 أنواع من زهرة الأيرس (Setosa، Versicolor، Virginica) باستخدام خوارزمية LVQ.

- يهدف المشروع أيضًا إلى استكشاف ومقارنة أداء نماذج LVQ و K-Means Clustering و ANFIS لمهمة تصنيف زهرة الأيرس.