Iris Classification Project 🌸

(English below / Türkçe aşağıda)

---

🇹🇷 Türkçe Açıklama

Bu proje Atıl Samancıoğlu - Machine Learning Kursu kapsamındaki Iris veri seti ödevidir.

Proje, küçük ve klasik bir veri seti üzerinde temel makine öğrenmesi sınıflandırması uygulamalarını göstermektedir.

🔹 Proje İçeriği

• Veri Seti: Iris Dataset
• Kullanılan Yöntemler
  • Logistic Regression
  • Support Vector Machine (SVC)
  • Gaussian Naive Bayes (GNB)
• Adımlar
  1. Veri keşfi (pairplot, histogram, boxplot)
  2. Train/Test split
  3. Özellik ölçekleme (StandardScaler)
  4. Model eğitimi ve tahmin
  5. Değerlendirme:
     • Accuracy
     • Confusion Matrix
     • Classification Report
  6. Basit model karşılaştırması

🔹 Sonuçlar

• Doğruluk: %100 (küçük veri seti, sınıflar kolay ayrılıyor)
• Karşılaştırılan modeller: Logistic Regression SVC (RBF) GaussianNB

---

🇬🇧 English Description

This project is the Iris dataset assignment from Atıl Samancıoğlu's Machine Learning Course.

The project demonstrates basic machine learning classification techniques on a small classic dataset.

🔹 Project Content

• Dataset: Iris Dataset
• Techniques Used
  • Logistic Regression
  • Support Vector Machine (SVC)
  • Gaussian Naive Bayes (GNB)
• Steps
  1. Data exploration (pairplot histogram boxplot)
  2. Train/Test split
  3. Feature scaling with StandardScaler
  4. Model training and prediction
  5. Evaluation with
     • Accuracy
     • Confusion Matrix
     • Classification Report
  6. Simple model comparison

🔹 Results

• Accuracy: 100% on the test split (small dataset easy to separate)
• Models compared: Logistic Regression SVC (RBF) GaussianNB

---

🔹 Files

• iris_classification.ipynb → Main notebook with all steps
• (Optional) images/ → Confusion matrix or EDA visuals

---

💡 Note / Not:
This project is for learning and practicing the ML pipeline:

• Data preparation
• Model training
• Model evaluation