Pokémon – Professor Oaks kallelse

🌟 Pokémon – Professor Oaks kallelse 🔎

⚡ Den unge tränarens uppdrag

En klar morgon i Kanto-regionen blir du inbjuden av själva Professor Oak, den mest respekterade Pokémon-forskaren, att delta i en ny utmaning där du får visa ditt talent och dina färdigheter.

Ett strömavbrott i hans laboratorium har stört en del av hans värdefulla samling av bilder och Pokémon-data, och nu kan endast en ung tränare med analytisk anda och passion för vetenskap hjälpa honom.

Professor Oak har lyckats återställa två grundläggande CSV-filer (train.csv och test.csv) som innehåller följande kolumner:

• SampleID – en unik numerisk identifierare (i formen 000001, 000002, …)
• ImagePath – sökvägen till bilden (ex: images/000001.png)
• Type – Pokémonens typ (endast i train.csv; saknas i test.csv)

I katalogen images/ finns alla bilder, namngivna enligt regeln:
images/<SampleID>.png

Detta är den enda information som återställts och den enda du får använda för att rekonstruera datasetet.

🎯 Din uppgift

Professor Oak behöver din hjälp för att återställa sina förlorade data och för att fortsätta sin studie om igenkänning av Pokémon-arter baserat på bilder.

Din mission är att välja och träna den bästa modellen som kan identifiera de mest varierande typerna av Pokémon med skarpsinne, med hjälp av de tillgängliga bilderna.

Datasetet du har innehåller redan märkta exempel för träning, och den slutliga utmaningen är att använda den tränade modellen för att klassificera, med noggrannhet och elegans, bilderna med okända Pokémon från test.csv.

Endast de bästa tränarna lyckas kombinera vetenskap med intuition, och nu är det din tur att bevisa att du förtjänar titeln Pokémon-mästare.

📘 Exempel på slutresultat

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

📊 Utvärdering

Prediktionerna kommer att jämföras med de verkliga typerna och noggrannheten kommer att beräknas:

1accuracy = (antal_korrekta_prediktioner / totalt_antal_prediktioner)

Den slutliga poängen beräknas baserat på den uppnådda noggrannheten med följande regler:

• accuracy ≥ 90% → 100 poäng
• accuracy < 20% → 0 poäng
• För mellanliggande värden tilldelas poäng proportionellt mellan 0 och 100.

⚠️ Viktigt: Endast klassificeringen av bilderna från test.csv räknas för utvärderingen. Inlämningsfilen måste innehålla kolumnerna SampleID,Type och vara i csv-format.

🏆 Lycka till, unge tränare! Pokémon-encyklopedins öde beror på dig.