Classification Using the Iris Dataset

Instructions: Using the Iris dataset provided, perform the following tasks:

Task $1$: Preprocess the Iris dataset. Handle missing values and normalize data where needed.

Task $2$: Use both Decision Tree and Logistic Regression to classify the type of iris flower $($Setosa$,$ Versicolor, or Virginica$)$ based on features like sepal length, sepal width, petal length, and petal width. Explain how each algorithm classifies the flowers into the three categories.

Task $3$: Train and test the models using appropriate metrics like accuracy, precision, recall, and F$1-$score.

Task $4$: Provide a comparative analysis of the two algorithms in terms of their performance, and comment on the following.

Which algorithm had better accuracy or F$1-$score?

Which model was faster or easier to train?

How does normalization affect performance?

IRIS dataset

sepal$\_$length sepal$\_$width petal$\_$length petal$\_$width species

$5\mathrm{.}13\mathrm{.}51\mathrm{.}40\mathrm{.}2$ setosa

$4\mathrm{.}931\mathrm{.}40\mathrm{.}2$ setosa

$4\mathrm{.}73\mathrm{.}21\mathrm{.}30\mathrm{.}2$ setosa

$4\mathrm{.}63\mathrm{.}11\mathrm{.}50\mathrm{.}2$ setosa

$53\mathrm{.}61\mathrm{.}40\mathrm{.}2$ setosa

$5\mathrm{.}43\mathrm{.}91\mathrm{.}70\mathrm{.}4$ setosa

$4\mathrm{.}63\mathrm{.}41\mathrm{.}40\mathrm{.}3$ setosa

$53\mathrm{.}41\mathrm{.}50\mathrm{.}2$ setosa

$4\mathrm{.}42\mathrm{.}91\mathrm{.}40\mathrm{.}2$ setosa

$4\mathrm{.}93\mathrm{.}11\mathrm{.}50\mathrm{.}1$ setosa

$5\mathrm{.}43\mathrm{.}71\mathrm{.}50\mathrm{.}2$ setosa

$4\mathrm{.}83\mathrm{.}41\mathrm{.}60\mathrm{.}2$ setosa

$4\mathrm{.}831\mathrm{.}40\mathrm{.}1$ setosa

$4\mathrm{.}331\mathrm{.}10\mathrm{.}1$ setosa

$5\mathrm{.}841\mathrm{.}20\mathrm{.}2$ setosa

$5\mathrm{.}74\mathrm{.}41\mathrm{.}50\mathrm{.}4$ setosa

$5\mathrm{.}43\mathrm{.}91\mathrm{.}30\mathrm{.}4$ setosa

$5\mathrm{.}13\mathrm{.}51\mathrm{.}40\mathrm{.}3$ setosa

$5\mathrm{.}73\mathrm{.}81\mathrm{.}70\mathrm{.}3$ setosa

$5\mathrm{.}13\mathrm{.}81\mathrm{.}50\mathrm{.}3$ setosa

$5\mathrm{.}43\mathrm{.}41\mathrm{.}70\mathrm{.}2$ setosa

$5\mathrm{.}13\mathrm{.}71\mathrm{.}50\mathrm{.}4$ setosa

$4\mathrm{.}63\mathrm{.}610\mathrm{.}2$ setosa

$5\mathrm{.}13\mathrm{.}31\mathrm{.}70\mathrm{.}5$ setosa

$4\mathrm{.}83\mathrm{.}41\mathrm{.}90\mathrm{.}2$ setosa

$531\mathrm{.}60\mathrm{.}2$ setosa

$53\mathrm{.}41\mathrm{.}60\mathrm{.}4$ setosa

$5\mathrm{.}23\mathrm{.}51\mathrm{.}50\mathrm{.}2$ setosa

$5\mathrm{.}23\mathrm{.}41\mathrm{.}40\mathrm{.}2$ setosa

$4\mathrm{.}73\mathrm{.}21\mathrm{.}60\mathrm{.}2$ setosa

$4\mathrm{.}83\mathrm{.}11\mathrm{.}60\mathrm{.}2$ setosa

$5\mathrm{.}43\mathrm{.}41\mathrm{.}50\mathrm{.}4$ setosa

$5\mathrm{.}24\mathrm{.}11\mathrm{.}50\mathrm{.}1$ setosa

$5\mathrm{.}54\mathrm{.}21\mathrm{.}40\mathrm{.}2$ setosa

$4\mathrm{.}93\mathrm{.}11\mathrm{.}50\mathrm{.}1$ setosa

$53\mathrm{.}21\mathrm{.}20\mathrm{.}2$ setosa

$5\mathrm{.}53\mathrm{.}51\mathrm{.}30\mathrm{.}2$ setosa

$4\mathrm{.}93\mathrm{.}11\mathrm{.}50\mathrm{.}1$ setosa

$4\mathrm{.}431\mathrm{.}30\mathrm{.}2$ setosa

$5\mathrm{.}13\mathrm{.}41\mathrm{.}50\mathrm{.}2$ setosa

$53\mathrm{.}51\mathrm{.}30\mathrm{.}3$ setosa

$4\mathrm{.}52\mathrm{.}31\mathrm{.}30\mathrm{.}3$ setosa

$4\mathrm{.}43\mathrm{.}21\mathrm{.}30\mathrm{.}2$ setosa

$53\mathrm{.}51\mathrm{.}60\mathrm{.}6$ setosa

$5\mathrm{.}13\mathrm{.}81\mathrm{.}90\mathrm{.}4$ setosa

$4\mathrm{.}831\mathrm{.}40\mathrm{.}3$ setosa

$5\mathrm{.}13\mathrm{.}81\mathrm{.}60\mathrm{.}2$ setosa

$4\mathrm{.}63\mathrm{.}21\mathrm{.}40\mathrm{.}2$ setosa

$5\mathrm{.}33\mathrm{.}71\mathrm{.}50\mathrm{.}2$ setosa

$53\mathrm{.}31\mathrm{.}40\mathrm{.}2$ setosa

$73\mathrm{.}24\mathrm{.}71\mathrm{.}4$ versicolor

$6\mathrm{.}43\mathrm{.}24\mathrm{.}51\mathrm{.}5$ versicolor

$6\mathrm{.}93\mathrm{.}14\mathrm{.}91\mathrm{.}5$ versicolor

$5\mathrm{.}52\mathrm{.}341\mathrm{.}3$ versicolor

$6\mathrm{.}52\mathrm{.}84\mathrm{.}61\mathrm{.}5$ versicolor

$5\mathrm{.}72\mathrm{.}84\mathrm{.}51\mathrm{.}3$ versicolor

$6\mathrm{.}33\mathrm{.}34\mathrm{.}71\mathrm{.}6$ versicolor

$4\mathrm{.}92\mathrm{.}43\mathrm{.}31$ versicolor

$6\mathrm{.}62\mathrm{.}94\mathrm{.}61\mathrm{.}3$ versicolor

$5\mathrm{.}22\mathrm{.}73\mathrm{.}91\mathrm{.}4$ versicolor

$523\mathrm{.}51$ versicolor

$5\mathrm{.}934\mathrm{.}21\mathrm{.}5$ versicolor

$62\mathrm{.}241$ versicolor

$6\mathrm{.}12\mathrm{.}94\mathrm{.}71\mathrm{.}4$ versicolor

$5\mathrm{.}62\mathrm{.}93\mathrm{.}61\mathrm{.}3$ versicolor

$6\mathrm{.}73\mathrm{.}14\mathrm{.}41\mathrm{.}4$ versicolor

$5\mathrm{.}634\mathrm{.}51\mathrm{.}5$ versicolor

$5\mathrm{.}82\mathrm{.}74\mathrm{.}11$ versicolor

$6\mathrm{.}22\mathrm{.}24\mathrm{.}51\mathrm{.}5$ versicolor

$5\mathrm{.}62\mathrm{.}53\mathrm{.}91\mathrm{.}1$ versicolor

$5\mathrm{.}93\mathrm{.}24\mathrm{.}81\mathrm{.}8$ versicolor

$6\mathrm{.}12\mathrm{.}841\mathrm{.}3$ versicolor

$6\mathrm{.}32\mathrm{.}54\mathrm{.}91\mathrm{.}5$ versicolor

$6\mathrm{.}12\mathrm{.}84\mathrm{.}71\mathrm{.}2$ versicolor

$6\mathrm{.}42\mathrm{.}94\mathrm{.}31\mathrm{.}3$ versicolor

$6\mathrm{.}634\mathrm{.}41\mathrm{.}4$ versicolor

$6\mathrm{.}82\mathrm{.}84\mathrm{.}81\mathrm{.}4$ versicolor

$6\mathrm{.}7351\mathrm{.}7$ versicolor

$62\mathrm{.}94\mathrm{.}51\mathrm{.}5$ versicolor

$5\mathrm{.}72\mathrm{.}63\mathrm{.}51$ versicolor

$5\mathrm{.}52\mathrm{.}43\mathrm{.}81\mathrm{.}1$ versicolor

$5\mathrm{.}52\mathrm{.}43\mathrm{.}71$ versicolor

$5\mathrm{.}82\mathrm{.}73\mathrm{.}91\mathrm{.}2$ versicolor

$62\mathrm{.}75\mathrm{.}11\mathrm{.}6$ versicolor

$5\mathrm{.}434\mathrm{.}51\mathrm{.}5$ versicolor

$63\mathrm{.}44\mathrm{.}51\mathrm{.}6$ versicolor

$6\mathrm{.}73\mathrm{.}14\mathrm{.}71\mathrm{.}5$ versicolor

$6\mathrm{.}32\mathrm{.}34\mathrm{.}41\mathrm{.}3$ versicolor

$5\mathrm{.}634\mathrm{.}11\mathrm{.}3$ versicolor