🌸 Iris Flowers Classifier – KNN from Scratch

Este projeto implementa um exemplo de Machine Learning usando um classificador K-Nearest Neighbors (KNN) do zero em Python, usando o famoso conjunto de dados Iris da biblioteca scikit-learn. A ideia deste projeto é demonstrar como funciona um classificador simples sem depender de bibliotecas prontas para o modelo.

---

📂 Sobre o Projeto

• 📊 Dataset: Iris (flores Iris Setosa, Versicolor e Virginica)
• 🧠 Modelo: KNN implementado manualmente (classe ScrappyKNN)
• 📐 Métrica de distância: Distância Euclidiana
• 🧪 Avaliação: Porcentagem de acertos (accuracy_score)
• 📎 Dependências: scikit-learn, scipy

---

🚀 Como Executar

1. Clone o repositório:

git clone https://github.com/Gledson-Perdival-Junior/iris-flowers.git
cd iris-flowers

2. Instale as dependências (recomenda-se usar ambiente virtual):

pip install -r requirements.txt

3. Execute o script:

python iris-flowers.py

📦 Dependências

• scikit-learn
• scipy

Você pode instalá-las diretamente com:

pip install scikit-learn scipy

📈 Exemplo de Saída

"reconhecimento com aproximadamente 96 % de precisão"

📚 O que é o dataset Iris?

O conjunto de dados Iris é um clássico da estatística e Machine Learning. Ele contém:

• 150 amostras

• 4 características (comprimento e largura da pétala e sépala)

• 3 classes (Setosa, Versicolor, Virginica)

📘 Referências

• Documentação do Scikit-learn – Iris Dataset

• Projeto inspirado em exercícios de implementação de KNN

📜 Licença

Este projeto é de uso livre para fins educacionais.