# Aufgabe: Training eines einfachen Perzeptrons zur Klassifikation von Iris setosa

## Ziel Trainieren Sie ein einfaches Perzeptron mit vier Eingangsneuronen, das die Art Iris setosa von den anderen Arten unterscheidet.

## Gegeben Sie haben den Iris-Datensatz, der vier Merkmale enthält: 1. Kelchblattlänge (cm) 2. Kelchblattbreite (cm) 3. Kronblattlänge (cm) 4. Kronblattbreite (cm)

## Vorgehen 1. Laden Sie den Datensatz und bereiten Sie die Daten für das Training vor. 2. Teilen Sie den Datensatz in 80% Trainingsdaten und 20% Testdaten.

1. Alternative Splits könnten 70%/30% oder 90%/10% sein.

3. Kodieren Sie das Problem als binäre Klassifikation:

1. Setosa = 1
2. Nicht-Setosa (Versicolor/Virginica) = 0

4. Implementieren Sie ein einfaches Perzeptron, das vier Eingaben erhält und eine binäre Entscheidung trifft. 5. Trainieren Sie das Modell mit dem Trainingsdatensatz. 6. Bewerten Sie die Klassifikationsgenauigkeit auf dem Testdatensatz.

## Hinweise - Wählen Sie eine geeignete Aktivierungsfunktion. - Achten Sie auf das Lernverhalten des Perzeptrons. - Eine alternative Möglichkeit zur Datennutzung wäre Cross-Validation (z. B. 5-Fold), falls gewünscht.