Benvenuti! Questo progetto è pensato per introdurre i neofiti e gli appassionati di programmazione al linguaggio Python.
Il progetto consiste di un programma che misura l'affinità fra i punteggi dei Pokémon di tutte le generazioni e il punteggio di un Pokémon fittizio creato dall'utente inserendo dei punteggi a run time.
L'algoritmo utilizzato per il calcolo dell'affinità è KNN, un semplice algoritmo di machine learning pensato proprio per misurare le distanze fra punti in spazi ad N dimensioni. I punteggi che vengono inseriti dall'utente e sui quali vengono misurate le distanze sono:
- HP
- Attack
- Defense
- Special attack
- Special defense
- Speed
Per sviluppare questo programma non è stata utilizzata alcuna libreria esterna.
Gli unici moduli esterni utilizzati sono il modulo csv utilizzato per aprire il file CSV contenente il dataset dei Pokémon e (nella versione per jupyter notebook) il modulo ipyplot per dare un feedback visivo dei valori di output del programma. Il resto è sviluppato da zero con un approccio procedurale.
Se invece preferisci fare partire il progetto con il jupyter notebook allegato ti basterà installare le dipendenze presenti nel file requirements.txt:
pip install -r requirements.txt
lanciare il server jupyter:
jupyter notebook
e cliccare sul notebook nella pagina del browser che si aprirà subito dopo.
Happy coding!
- Giuseppe Mastrandrea (Machine Learning Teacher @ Datamasters.it): codice e sviluppo algoritmo
- Alberto Barradas - Dataset Pokémon
- Ken Sugimori - Pokémon Art; le immagini sono state ridimensionate, compresse e trasformate in JPEG
Welcome! This project is design to introduce beginners and passionate about programming to the Python programming language.
The project consists of a software capable of measuring the similarity between the scores of Pokémon belonging to all generations and the scores of a fake Pokémon created with the scores inserted by the user at run-time.
The algorithm used to compute the similarity is the KNN, a simple machine learning algorithm designed to measure the distances between points in N-dimensional spaces. The scores based on which the distances are computed are:
- HP
- Attack
- Defense
- Special attack
- Special defense
- Speed
During the development of the software no external libraries were used.
The only modules used were csv to handle the CSV file containing the Pokémon dataset and (in the jupyter notebook) the ipyplot module to give a visual feedback of the program outputs. The core of the algorithm was developed from scratch with a procedural approach.
Should you prefer starting the project with the attached jupyter notebook, you'll need to install the dependencies in the file requirements.txt with the following command:
pip install -r requirements.txt
then run the jupyter server:
jupyter notebook
and click the notebook link on the page that will pop-up.
Happy coding!
- Giuseppe Mastrandrea (Machine Learning Teacher @ Datamasters.it): coding
- Alberto Barradas - Dataset Pokémon
- Ken Sugimori - Pokémon Art; the images were resized, compressed and transformed in JPEG.