Pokémon – La Chiamata del Professor Oak

🌟 Pokémon – La Chiamata del Professor Oak 🔎

⚡ La Missione del Giovane Allenatore

In una mattina serena nella regione di Kanto, sei invitato dal Professor Oak in persona, il più rispettato ricercatore Pokémon, a partecipare a una nuova sfida in cui dimostrare il tuo talento e le tue abilità.

Un blackout verificatosi nel suo laboratorio ha disorganizzato una parte della sua preziosa collezione di immagini e dati Pokémon, e ora solo un giovane allenatore con spirito analitico e passione per la scienza può aiutarlo.

Il Professor Oak è riuscito a recuperare due file CSV fondamentali (train.csv e test.csv) che contengono le seguenti colonne:

• SampleID – un identificatore numerico unico (della forma 000001, 000002, …)
• ImagePath – il percorso verso l'immagine (es: images/000001.png)
• Type – il tipo del Pokémon (solo in train.csv; in test.csv manca)

Nella directory images/ si trovano tutte le immagini, denominate secondo la regola:
images/<SampleID>.png

Queste sono le uniche informazioni recuperate e le uniche di cui hai il permesso di servirti nella ricostruzione del dataset.

🎯 Il tuo compito

Il Professor Oak ha bisogno del tuo aiuto per recuperare i suoi dati perduti e per continuare il suo studio sul riconoscimento delle specie Pokémon basato sulle immagini.

La tua missione è scegliere e addestrare il miglior modello capace di identificare con astuzia i più svariati tipi di Pokémon, utilizzando le immagini messe a disposizione.

Il set di dati che hai contiene esempi già etichettati per l'addestramento, e la sfida finale è utilizzare il modello addestrato per classificare, con accuratezza ed eleganza, le immagini con Pokémon sconosciuti da test.csv.

Solo i migliori allenatori riescono a combinare scienza con intuizione, e ora è il tuo turno di dimostrare che meriti il titolo di Maestro Pokémon.

📘 Esempio di risultato finale

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

📊 Valutazione

Le predizioni saranno confrontate con i tipi reali e si calcolerà l'accuratezza:

1accuracy = (numero_predizioni_corrette / numero_totale_predizioni)

Il punteggio finale è calcolato sulla base dell'accuratezza ottenuta utilizzando le seguenti regole:

• accuracy ≥ 90% → 100 punti
• accuracy < 20% → 0 punti
• Per i valori intermedi si assegna un punteggio proporzionale tra 0 e 100.

⚠️ Importante: Solo la classificazione delle immagini da test.csv conta per la valutazione. Il file di submission deve contenere le colonne SampleID,Type e deve essere in formato csv.

🏆 Successo, giovane allenatore! Il destino dell'enciclopedia Pokémon dipende da te.