gusdelact/penguins-curated

penguins-species-classifier — Dataset Curado

Descripción del Dataset

Clasificador de especies de pingüinos basado en atributos físicos usando Decision Tree

Dataset de pingüinos del archipiélago Palmer (Antártida) con medidas físicas para clasificación de 3 especies: Adelie, Chinstrap y Gentoo.

Información General

• —Autor: gusdelact
• —Fecha de creación: 2026-05-18
• —Fuente original: gusdelact/penguins
• —Licencia: Apache-2.0

Composición del Dataset

• —Filas: 344
• —Columnas originales: 7
• —Variable target: species (Adelie, Chinstrap, Gentoo)
• —Features numéricas: billlengthmm, billdepthmm, flipperlengthmm, bodymassg
• —Features categóricas: island, sex

Preprocesamiento Aplicado

• —Renombrado de columnas a formato snake_case
• —Simplificación de nombres de especies (nombre completo → nombre corto)
• —Eliminación de columnas no relevantes para clasificación (studyName, Region, etc.)
• —Clipping de outliers con IQR (factor 1.6)
• —Imputación de valores faltantes (mediana para numéricos, moda para categóricos)
• —Escalado StandardScaler para variables numéricas
• —One-Hot Encoding para variables categóricas
• —Separación train/test estratificada con ratio 0.25

Distribución de Clases

• —Adelie: ~44%
• —Gentoo: ~36%
• —Chinstrap: ~20%

Uso Previsto

Dataset curado para entrenamiento de modelos de clasificación de especies de pingüinos.

Limitaciones

• —Dataset pequeño (344 observaciones)
• —Solo 3 islas del archipiélago Palmer
• —Datos recolectados entre 2007-2009