【東京通信大学】ビジネスデータ分析Ⅱ:最後の課題② …Generations of Pokemon

ビジネスデータ分析Ⅱの提出物、最後の課題の記事続き?です。

※この記事がなくても、1&2期生の皆さんは単位を取りましたし1期生は卒業していきました。

前回記事はこちら。

【東京通信大学】ビジネスデータ分析Ⅱ:最後の課題Analysing 7 Generations…

なにやるの?

講義であった、「データを眺める」「眺めてください」という事ですよね。

伝説のポケモン/非伝説のポケモンは、何が違うのか?

をデータから各自検討してみる(xxxのパラメータで分類できるのではないか?を考えてみる)ということです。

大事なこと

判定結果

これで判定結果を出すことはわかってますよね?講義のとおりです。

こうなりますよね?

こうなりました。

結果の以下の数値が判定結果です。

説明があった、なかった。ではなく、行間を読んで講義を聞く必要がありますよ。

  0 1
0 719 12
1 45 25

要するに

  0:判定結果(非伝説) 1:判定結果(伝説)
0:非伝説 719匹(正しく、非伝説と判定できた) 12匹(非伝説だが、伝説と判定された
1:伝説 45匹(伝説だが、非伝説と判定された 25匹(正しく、伝説と判定できた)

個々の制度を高めていくことが、課題レポートで求められています。ちなみに制度100%を出すのではなく、講義の状態より良くなる分析結果を提出できると良いでしょう。

※現状は、(719+25)/(719+12+45+25)ですので、744÷801で0.92(92%)ほどの精度でしょう。

眺める

何度も言います?が、

伝説、非伝説のポケモンについてデータを出して、眺めるんです(見比べる)。

※講義を聞いて、何を意図しているのかを汲み取ってくださいね。

pokemon2<-pokemon[pokemon$is_legendary==’1′,]

pokemon2<-pokemon[pokemon$is_legendary==’0′,]

非伝説
伝説

眺めていたら、少し数値が異なることがわかりますね?

このあたりをうまく使って、伝説のポケモンの特徴を捉えることができそうです。

で、何をすれば・・・?

眺めて、各自が考えた、この部分で分類できるのではないか?を確認し、レポートにまとめましょう。

何やればよいのかわからない

パラメータを変えるということは、以下の部分を変えて実行してみるということです。

data<-data.frame(japanese_name, attack, defense, sp_attack, sp_defense, speed, hp, is_legendary)

そうしたら・・・

例ですが、以下のように精度が上がってくるということです。

それをレポートにしましょう。

  0 1
0 729 2
1 7 63

※精度が良くなりましたね

そして・・・

各種パラメータについて各自の考察をもとに、何度も判定等を繰り返して、自分の結論を導き出して、証明したデータ等をレポートとして提出しましょう!!

まとめ

  • 非公開、有料級の情報でした。
  • 1期生は、特に誰にも聞いたり確認もできない、極度の不安の中、課題提出されていました。
  • ちなみに、私は表紙を入れて11枚のレポートになりました。

コメントを残す

メールアドレスが公開されることはありません。