Avaliação de Desempenho de Algoritmos de Aprendizado de Máquina para Classificação do Conjunto de Dados Iris

O problema de classificar flores de íris é uma questão bem conhecida nos campos de aprendizado de máquina e reconhecimento de padrões. O conjunto de dados Iris é amplamente reconhecido como um padrão para avaliar a eficácia de algoritmos de classificação em aprendizado de máquina. Este artigo oferece uma avaliação comparativa de diferentes algoritmos de aprendizado de máquina quando aplicados ao conjunto de dados Iris. Implementamos e avaliamos o desempenho dos métodos k-Vizinhos Mais Próximos, Regressão Logística, Árvore de Decisão, SVC Linear, Floresta Aleatória, Naïve Bayes Gaussiano e AdaBoost com base em sua precisão na classificação. Examinamos métodos de classificação diversos, avaliamos sua eficácia e discutimos nossas descobertas. Os resultados revelam a precisão desses modelos em categorizar corretamente as espécies de íris. Para alcançar alta precisão, utilizam-se os classificadores k-Vizinhos Mais Próximos, Regressão Logística, métodos SVC Linear, Árvore de Decisão, Floresta Aleatória e AdaBoost.