Penguin Species Classification using Perceptron and Adaline

قمنا بتنفيذ Neural Networks Project لتطبيق خوارزميتي Single Layer Perceptron (SLP) وAdaline على Palmer Penguins dataset بهدف إجراء Binary Classification بين أنواع البطاريق المختلفة اعتمادًا على مجموعة من الخصائص الجسدية. تضمن المشروع مراحل Data Preprocessing مثل معالجة Missing Values، وتحويل Categorical Features، وFeature Scaling، ثم تقسيم البيانات بشكل متوازن إلى Training Set وTesting Set للحفاظ على تمثيل عادل لكل فئة.

Implementation

شملت مرحلة المعالجة المسبقة تعويض القيم المفقودة باستخدام median imputation، وترميز متغير OriginLocation، وتطبيق Standardization لبعض المتغيرات وMinMax Scaling لمتغيرات أخرى لتحسين أداء النماذج وتسريع convergence. بعد ذلك تم اختبار عدة combinations من features وhyperparameters مثل learning rate ووجود bias أو إزالته، بهدف تحليل سلوك كل من Perceptron وAdaline تحت ظروف مختلفة من قابلية الفصل والتداخل بين الفئات.

Results

أظهرت النتائج أن أفضل feature combinations كانت FlipperLength وCulmenDepth، خاصة عند التمييز بين Gentoo والأنواع الأخرى، حيث حققت النماذج دقة وصلت إلى 100% في الحالات القابلة للفصل خطيًا. كما أوضح المشروع أن Adaline كان أكثر robust من Perceptron في الحالات التي تحتوي على partial overlap، بينما كان BodyMass من أضعف الخصائص بسبب التداخل الكبير بين بعض الفئات.