Pokémon – Professor Oaks kall

🌟 Pokémon – Professor Oaks kall 🔎

⚡ Den unge trenerens oppdrag

En klar morgen i Kanto-regionen blir du invitert av Professor Oak selv, den mest respekterte Pokémon-forskeren, til å delta i en ny utfordring hvor du kan demonstrere ditt talent og dine ferdigheter.

Et strømbrudd i laboratoriet hans har forstyrret en del av hans verdifulle samling av bilder og Pokémon-data, og nå kan bare en ung trener med analytisk ånd og lidenskap for vitenskap hjelpe ham.

Professor Oak har klart å gjenopprette to grunnleggende CSV-filer (train.csv og test.csv) som inneholder følgende kolonner:

• SampleID – en unik numerisk identifikator (på formen 000001, 000002, …)
• ImagePath – stien til bildet (eks: images/000001.png)
• Type – Pokémon-typen (kun i train.csv; mangler i test.csv)

I mappen images/ finnes alle bildene, navngitt etter regelen:
images/<SampleID>.png

Dette er den eneste informasjonen som er gjenopprettet og den eneste du har lov til å bruke i rekonstruksjonen av datasettet.

🎯 Din oppgave

Professor Oak trenger din hjelp for å gjenopprette sine tapte data og for å fortsette sitt studium av gjenkjenning av Pokémon-arter basert på bilder.

Ditt oppdrag er å velge og trene den beste modellen som kan identifisere med kløkt de mest varierte typene Pokémon, ved å bruke bildene som er tilgjengelige.

Datasettet du har inneholder allerede merkede eksempler for trening, og den endelige utfordringen er å bruke den trente modellen til å klassifisere, med nøyaktighet og eleganse, bildene med ukjente Pokémon fra test.csv.

Bare de beste trenerne klarer å kombinere vitenskap med intuisjon, og nå er det din tur til å bevise at du fortjener tittelen Pokémon-mester.

📘 Eksempel på sluttresultat

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

📊 Evaluering

Prediksjoner vil bli sammenlignet med de faktiske typene og nøyaktigheten vil bli beregnet:

1accuracy = (antall_korrekte_prediksjoner / totalt_antall_prediksjoner)

Den endelige poengsummen beregnes basert på oppnådd nøyaktighet ved å bruke følgende regler:

• accuracy ≥ 90% → 100 poeng
• accuracy < 20% → 0 poeng
• For mellomverdier tildeles proporsjonale poeng mellom 0 og 100.

⚠️ Viktig: Bare klassifiseringen av bildene fra test.csv teller for evalueringen. Innleveringsfilen må inneholde kolonnene SampleID,Type og være i csv-format.

🏆 Lykke til, unge trener! Pokémon-encyklopediens skjebne avhenger av deg.