Un proyecto introductorio de Machine Learning con Python.
La idea: enseñarle a una computadora a reconocer qué especie de flor Iris es una muestra, mirando solo unas medidas básicas de sus pétalos y sépalos.
El conjunto de datos Iris es uno de los más usados en ciencia de datos.
Incluye 150 flores de tres especies distintas (Setosa, Versicolor, Virginica), con cuatro características medidas en cada una:
- Longitud del sépalo
- Ancho del sépalo
- Longitud del pétalo
- Ancho del pétalo
El desafío es simple pero elegante: a partir de esas cuatro medidas, predecir la especie correcta de la flor.
- Usé un modelo de Regresión Logística, un algoritmo clásico de clasificación supervisada.
- Entrené el modelo con parte de los datos y lo probé con ejemplos que nunca había visto.
- Evalué el rendimiento con métricas estándar y visualizaciones para entender dónde acierta y dónde se confunde.
- Accuracy en test: ~95–97%
- Reporte de clasificación (precision, recall, F1-score) por especie.
- Visualización 2D de las flores según sus medidas
Ejemplo de scatter plot (dos características):
La matriz de confusión muestra cuántas flores fueron clasificadas correctamente y dónde el modelo se equivocó entre especies.
git clone https://github.com/kierprev/ml-flower-predictor.git
cd ml-flower-predictor
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
python iris.py