В детстве геймдизайнер Сатоси Тадзири увлекался коллекционированием насекомых, популярным в Японии развлечением того времени. Дети ловили и собирали живых насекомых, обменивались ими с друзьями. Со временем Тадзири переехал в Токио, где серьёзно увлёкся компьютерными играми, многие из которых впоследствии оказали влияние на его будущие проекты. Одним из таких проектов является Pokémon или Pocket Monsters — серия игр, разрабатываемая студиями Game Freak и Creatures Inc. и издаваемая Nintendo как часть франчайзинга «Покемон». Самые первые игры, Pokémon Red и Blue, вышли в 1996 году, с тех пор игры серии выходят регулярно. Сюжеты повествуют о покемонах — существах, отлавливаемых и тренируемых людьми для боёв. Итоговая цель игр основной серии — поймать все виды покемонов.
В анализе был использован датасет Pokemon Dataset by Rounak Banik [1], содержащий информацию о всех 802 покемонах из всех семи поколений игры Pokémon. Сведения включают в себя базовые характеристики, эффективность против других типов, рост, вес, классификацию, шаги для выведения из яйца, опыт, способности и многое другое.
В ходе анализа выясняются ответы на вопросы:
(1) Можно ли построить классификатор, определяющий легендарного покемона?
(2) Как рост и вес покемона связаны с его базовыми характеристиками?
(3) Какие факторы влияют на опыт и шаги для выведения из яйца? Есть ли корреляции?
(4) Какой тип покемонов самый сильный в целом? А самый слабый?
(5) Покемоны какого типа чаще всего бывают легендарными?
(6) Можно ли собрать «Dream Team» из 6 покемонов с максимумом урона и устойчивостью?
Используются следующие виды визуализации: (1) диаграммы, показывающие распределение базовых характеристик покемонов; (2) тепловая карта, отображающая топ-10 сильнейших корреляций между числовыми признаками; (3) violin-плоты, отображающие распределение признаков для топ-10 корректирующих переменных; (4) рассеяная диаграмма, визуализирующая зависимости разных показателей, например, количество очков здоровья от роста опыта; (5) столбиковая диаграмма , показывающая какие основные типы покемонов являются наиболее сильными или слабыми; (6) горизонтальный barplot, отображающий, насколько часто встречаются легендарные в рамках каждого типа; (7) небольшие таблицы, отображающие сортировку данных
Для оформления используются собственные генерации картинок с изображением персонажей, а так же яркие цвета, часто используемые в дизайне большинства покемонов -- FF595E, FFCA3A, 8AC926, 1982C4, 6A4C93, FF924C
Распределение числовых признаков
На диаграммах представлены распределения 6 основных боевых параметров покемонов
Большинство характеристик распределены неравномерно, с явными пиками в "средних значениях". Есть единичные мощные покемоны с высокими значениями (hp, attack, speed > 150), которые создают длинные "хвосты". Специальная атака и скорость — одни из наиболее разнообразных параметров среди популяции. Типичное значение большинства статов лежит в пределах 60–90.
Корреляция между числовыми признаками
На тепловой карте представлены признаки с наибольшими по модулю значениями коэффициента корреляции Пирсона. Это позволяет понять, какие переменные наиболее тесно связаны друг с другом.
Основные высокие корреляции
Суммарная сила (base_total) логично коррелирует с всеми боевыми характеристиками (спец. защита, физ. атака, HP и др.). Физические параметры (рост и вес) умеренно коррелируют с HP и боевыми характеристиками. Легендарность покемона тесно связана с высокой стоимостью выведения (шаги до яйца). Уязвимость к типам (призрачный, тьма) практически не коррелирует с другими числовыми параметрами.
Вывод: Сильные покемоны действительно отличаются размером, мощными боевыми статами и сложностью получения. Корреляции подтверждают, что параметры физического тела и боевого потенциала взаимосвязаны, особенно у редких (легендарных) видов.
Топ-10 коррелирующих переменных
violin-плоты, отображающие распределение признаков для топ-10 корректирующих переменных
(1) Физические параметры: Рост (м) и Вес (кг) имеют сильную правую асимметрию (вытянутые хвосты), что указывает на наличие немногочисленных, но очень крупных покемонов. Оба распределения имеют моду около 1 метра и 50 кг соответственно. (2) Защита: Физическая защита и Спец. защита распределены достаточно симметрично, но с жирными хвостами: есть покемоны с экстремально высокой защитой. Основная масса — в диапазоне 50–100 единиц. (3) Атака и сила: Спец. атака и Физ. атака имеют более плавное, симметричное распределение, с редкими выбросами (например, у легендарных). Суммарная сила имеет два выраженных пика — один в районе 300–400, второй около 500–600, что может соответствовать базовым и продвинутым формам покемонов. (4) Уязвимости: Уязвимость к призрачным и боевым атакам имеет многоуровневую структуру (0.0, 0.5, 1.0, 2.0, 4.0), что соответствует механике типа (иммунитет, слабость, двойная слабость). Распределения многомодальные — с пиками на типичных значениях (например, 1.0 и 2.0). (5) Эволюционные характеристики: Шагов до яйца имеет крайне асимметричное распределение с выбросами (легендарные требуют 30,720 шагов). Легендарный — бинарный признак (0 или 1), что хорошо видно на плотном распределении около 0. (6) Прочие: Скорость и Очки здоровья (HP) распределены с умеренной асимметрией, пик на 60–80. Хвост — в сторону мощных, быстрых покемонов.
Violin-графики показывают, что большинство признаков имеют явно выраженные моды и хвосты, особенно у легендарных, крупных и сильных покемонов. Некоторые переменные (например, уязвимость, легендарность, шагов до яйца) носят дискретный или мультиуровневый характер, что важно учитывать при моделировании.
(1) Можно ли построить классификатор, определяющий легендарного покемона?
Базовая модель классификации на основе числовых признаков (характеристики, рост, вес, уязвимости и т. д.)
Базовая модель классификации на основе числовых признаков (характеристики, рост, вес, уязвимости и т. д.)
Да! Мы построили базовую модель классификации на основе числовых признаков (характеристики, рост, вес, уязвимости и т.д.) и получили отличные результаты: Метрики на тестовой выборке:
Accuracy (общая точность): 0.97 F1-score (macro avg): 0.91
Модель почти безошибочно определяет обычных покемонов. Легендарные определяются с precision 93% и recall 76%, что уже хорошо, особенно при сильном дисбалансе классов (17 легендарных vs 179 обычных). F1 = 0.84 для легендарных покемонов — отличный результат для простой модели.
Вполне реально построить точный классификатор, способный определять легендарных покемонов. Мы получаем высокую точность даже без глубокой оптимизации модели.
(2) Как рост и вес покемона связаны с его базовыми характеристиками?
Цель анализа — понять, влияют ли физические параметры покемона — рост (height_m) и вес (weight_kg) — на его боевые характеристики, а именно:
hp — очки здоровья attack — физическая атака defense — физическая защита sp_attack — специальная атака sp_defense — специальная защита speed — скорость base_total — суммарная сила
План исследования: (1) Рассчитать корреляции между физическими параметрами и боевыми характеристиками. (2) Построить scatter-плоты с регрессионной линией для визуализации. (3) Интерпретировать, есть ли выраженные зависимости.
Гипотезы: — более тяжёлые и высокие покемоны могут иметь больше HP и силу, но, возможно, ниже скорость. — лёгкие и маленькие — могут быть быстрее, но менее защищённые.
Корреляция роста и веса с боевыми характеристиками
Корреляция роста и веса с боевыми характеристиками
Вес имеет умеренную положительную корреляцию с Очками здоровья, Физ. атакой, Суммарной силой (~0.3–0.5). Рост также показывает слабую положительную корреляцию с характеристиками, особенно HP и base_total. Скорость имеет слабую обратную связь с весом — тяжёлые покемоны обычно медленнее. Зависимости выражены, но не абсолютны — физические параметры лишь частично объясняют силу.
Рост и вес частично коррелируют с боевыми характеристиками: крупные покемоны действительно чаще обладают большим запасом HP и атакой, но не всегда превосходят в скорости или спец. защите.