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

Sie haben den Iris-Datensatz, der vier Merkmale enthält:

• Kelchblattlänge (cm)
• Kelchblattbreite (cm)
• Kronblattlänge (cm)
• Kronblattbreite (cm)

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.
   • Alternative Splits könnten 70%/30% oder 90%/10% sein.
3. Kodieren Sie das Problem als binäre Klassifikation:
   • Setosa = 1
   • 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.

• 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.