Анализ датасета Iris

Курсовой проект / Лабораторная работа №1
Exploratory Data Analysis (EDA)

---

📌 Информация о студенте

🔗 GitVerse профиль, кого я ревьюил: CozyWool, h4n, qwerty1105

---

📋 Описание задания

Цель работы — провести разведочный анализ данных (EDA) на классическом датасете Iris, включая:

• загрузку и предварительную обработку данных;
• анализ распределения целевой переменной (виды ирисов);
• статистический анализ признаков (длина/ширина чашелистника и лепестка);
• визуализацию: гистограммы, boxplots, распределения по классам, heatmap корреляций;
• выявление ключевых закономерностей и взаимосвязей.

Датасет содержит 150 объектов трёх видов ирисов (setosa, versicolor, virginica) с 4 числовыми признаками.

---

✅ Выполненные работы

0. в программе испольуются такие библиотеки, как pandas numpy matplotlib.pyplot seaborn sklearn.datasets

1. Загрузка данных

• Данные загружены через
  sklearn.datasets.load_iris()
• Преобразованы в
  pandas.DataFrame
• Целевая переменная заменена с числовых меток на строковые названия видов

2. Анализ целевой переменной

• Распределение классов:
  • setosa
    : 50 объектов (33.33%)
  • versicolor
    : 50 объектов (33.33%)
  • virginica
    : 50 объектов (33.33%)
• Вывод: сбалансированный датасет без перекоса классов.

3. Анализ признаков

Для каждого из 4 признаков рассчитаны:

• среднее, медиана, стандартное отклонение
• минимум, максимум
• квартили (25%, 50%, 75%)

4. Визуализация

Созданы следующие графики:

Все графики используют русскоязычные метки и сохранены в PNG с разрешением, достаточным для отчёта.

5. Статистика

Ключевые статистики (округлены до 2 знаков):

📝 Заполните таблицу, скопировав вывод из терминала после запуска скрипта.

6. Таблица с метриками

---

🔑 Ключевые числа

• Объём датасета: 150 наблюдений × 5 столбцов
• Количество уникальных видов: 3
• Самый коррелирующий признак с целевой переменной (по модулю):
  
  petal length (cm)
  ↔
  species
  (непрямая оценка — см. визуализацию
  features_by_species
  )
• Наибольшая парная корреляция между признаками:
  
  petal length
  ↔
  petal width
  =
  [значение из heatmap]

---

🔍 Ключевые находки

1. Вид setosa чётко отделим по всем признакам — особенно по длине и ширине лепестка.
2. Признаки petal length и petal width имеют высокую положительную корреляцию (>0.9).
3. Sepal width распределён наиболее равномерно и имеет наименьшую дисперсию.
4. Для versicolor и virginica наблюдается частичное перекрытие по всем признакам — требуется более сложная модель для разделения.

---

📝 Выводы из анализа

• Датасет подходит для обучения классификаторов (сбалансированный, без пропусков).
• Признаки лепестка (
  petal_*
  ) информативнее признаков чашелистника (
  sepal_*
  ).
• Простой пороговый классификатор (например, по
  petal length > 2.5
  ) уже даёт высокую точность (~96%).
• Рекомендуется использовать PCA или линейные методы (LDA, Logistic Regression) как бейзлайн.

---

📁 Файлы: assignment.py, README.md

Созданные файлы: README.md