Pokémon – Professor Oaks Kald

🌟 Pokémon – Professor Oaks Kald 🔎

⚡ Den Unge Træners Mission

En klar morgen i Kanto-regionen bliver du inviteret af selve Professor Oak, den mest respekterede Pokémon-forsker, til at deltage i en ny udfordring, hvor du skal demonstrere dit talent og dine evner.

Et strømsvigt i hans laboratorium har forstyrret en del af hans værdifulde samling af billeder og Pokémon-data, og nu kan kun en ung træner med analytisk sind og passion for videnskab hjælpe ham.

Professor Oak har formået at gendanne to grundlæggende CSV-filer (train.csv og test.csv) som indeholder følgende kolonner:

• SampleID – en unik numerisk identifikator (i formen 000001, 000002, …)
• ImagePath – stien til billedet (f.eks.: images/000001.png)
• Type – Pokémonens type (kun i train.csv; mangler i test.csv)

I mappen images/ findes alle billeder, navngivet efter reglen:
images/<SampleID>.png

Dette er de eneste gendannede informationer og de eneste, du må bruge til rekonstruktion af datasættet.

🎯 Din opgave

Professor Oak har brug for din hjælp til at gendanne sine tabte data og fortsætte sit studie af Pokémon-artsgenkendelse baseret på billeder.

Din mission er at vælge og træne den bedste model, der kan identificere de mest varierede typer af Pokémon med klogskab, ved hjælp af de tilgængelige billeder.

Det datasæt, du har, indeholder allerede mærkede eksempler til træning, og den endelige udfordring er at bruge den trænede model til at klassificere billeder af ukendte Pokémon fra test.csv med nøjagtighed og elegance.

Kun de bedste trænere formår at kombinere videnskab med intuition, og nu er det din tur til at bevise, at du fortjener titlen som Pokémon-mester.

📘 Eksempel på endeligt resultat

1SampleID,,Type  2000001,Grass  3000002,Fire  4000003,Water

📊 Evaluering

Forudsigelserne vil blive sammenlignet med de reelle typer, og nøjagtigheden vil blive beregnet:

1accuracy = (antal_korrekte_forudsigelser / samlet_antal_forudsigelser)

Den endelige score beregnes baseret på den opnåede nøjagtighed ved hjælp af følgende regler:

• accuracy ≥ 90% → 100 point
• accuracy < 20% → 0 point
• For mellemliggende værdier tildeles proportional score mellem 0 og 100.

⚠️ Vigtigt: Kun klassificeringen af billeder fra test.csv tæller for evalueringen. Indsendingsfilen skal indeholde kolonnerne SampleID,Type og være i csv-format.

🏆 Held og lykke, unge træner! Pokémon-encyklopædiens skæbne afhænger af dig.