Pokémon – De Roep van Professor Oak

🌟 Pokémon – De Roep van Professor Oak 🔎

⚡ De Missie van de Jonge Trainer

Op een heldere ochtend in de Kanto-regio word je uitgenodigd door Professor Oak zelf, de meest gerespecteerde Pokémon-onderzoeker, om deel te nemen aan een nieuwe uitdaging waarin je je talent en vaardigheden kunt demonstreren.

Een stroomstoring in zijn laboratorium heeft een deel van zijn kostbare collectie Pokémon-afbeeldingen en -gegevens verstoord, en nu kan alleen een jonge trainer met een analytische geest en passie voor wetenschap hem helpen.

Professor Oak is erin geslaagd twee fundamentele CSV-bestanden te herstellen (train.csv en test.csv) die de volgende kolommen bevatten:

• SampleID – een unieke numerieke identificator (van de vorm 000001, 000002, …)
• ImagePath – het pad naar de afbeelding (bijv. images/000001.png)
• Type – het type Pokémon (alleen in train.csv; ontbreekt in test.csv)

In de map images/ bevinden zich alle afbeeldingen, benoemd volgens de regel:
images/<SampleID>.png

Dit zijn de enige herstelde informatie en de enige die je mag gebruiken bij het reconstrueren van de dataset.

🎯 Jouw taak

Professor Oak heeft jouw hulp nodig om zijn verloren gegevens te herstellen en zijn studie naar Pokémon-soortherkenning op basis van afbeeldingen voort te zetten.

Jouw missie is om het beste model te kiezen en te trainen dat in staat is om op slimme wijze de meest uiteenlopende Pokémon-types te identificeren, gebruikmakend van de beschikbaar gestelde afbeeldingen.

De dataset die je hebt bevat reeds gelabelde voorbeelden voor training, en de uiteindelijke uitdaging is om het getrainde model te gebruiken om met nauwkeurigheid en elegantie de afbeeldingen van onbekende Pokémon uit test.csv te classificeren.

Alleen de beste trainers slagen erin wetenschap met intuïtie te combineren, en nu is het jouw beurt om te bewijzen dat je de titel van Pokémon Meester verdient.

📘 Voorbeeld van eindresultaat

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

📊 Evaluatie

De voorspellingen worden vergeleken met de werkelijke types en de nauwkeurigheid wordt berekend:

1accuracy = (aantal_correcte_voorspellingen / totaal_aantal_voorspellingen)

De eindscore wordt berekend op basis van de behaalde nauwkeurigheid met behulp van de volgende regels:

• accuracy ≥ 90% → 100 punten
• accuracy < 20% → 0 punten
• Voor tussenliggende waarden wordt een proportionele score tussen 0 en 100 toegekend.

⚠️ Belangrijk: Alleen de classificatie van afbeeldingen uit test.csv telt mee voor de evaluatie. Het inzendbestand moet de kolommen SampleID,Type bevatten en in csv-formaat zijn.

🏆 Succes, jonge trainer! Het lot van de Pokémon-encyclopedie hangt van jou af.