تصنيف زهرة الأيرس باستخدام التعلم العميق

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.