【阿里云MVP月度分享】基于PAI平台和Pokemon数据集判断精灵是否为极品精灵

原文链接：点击打开链接

摘要： Pokemon《精灵宝可梦》，也叫《口袋妖怪》、《宠物小精灵》、《神奇宝贝》，是世界上第二热销的系列电子游戏，仅次于任天堂的超级马里奥系列。本文采用kaggle上Pokemon数据集，基于阿里云PAI平台进行实验，利用数据集中提供的精灵能力值来判断精灵是否为极品精灵。

一、背景

Pokemon《精灵宝可梦》，也叫《口袋妖怪》、《宠物小精灵》、《神奇宝贝》，是由Game
Freak和Creatures株式会社开发，任天堂发行的系列游戏。精灵宝可梦系列是世界上第二热销的系列电子游戏，仅次于任天堂的超级马里奥系列。

本文采用kaggle上Pokemon数据集，基于阿里云PAI平台进行实验，利用数据集中提供的精灵能力值来判断精灵是否为极品精灵。

数据集包含No, Name, Type1, Type2, HP, Attack, Defense, Sp. Atk, Sp. Def, Speed, Generation, Legendary等信息。

二、数据集介绍

本数据集包含800个精灵的相关参数，每个参数字段含义如下：

字段	含义	类型
no	编号	bigint
name	名称	string
type1	属性	string
type2	属性	string
hp		bigint
attack	攻击	bigint
defense	防御	bigint
atk	特攻	bigint
def	特防	bigint
speed	速度	bigint
generation	第几代	bigint
legendary	是否为极品	bigint

三、实验过程

首先https://www.aliyun.com/?spm=a2c1h.8280630.0.0.3569458dQ5hXYc进入阿里云，选择右上角的控制台进入

从左侧栏中选择DataWorks，进入工作区



新建脚本文件，并导入数据。

drop table if exists pokemon_data;

create table pokemon_data(
no bigint,
name string,
type1 string,
type2 string,
hp bigint,
attack bigint,
defense bigint,
atk bigint,
def bigint,
speed bigint,
generation bigint,
legendary bigint
)

执行完成后，点击右上角的“机器学习平台”

数据的具体结构如下：



首先，这个场景是希望利用精灵能力值来判断精灵是否为极品精灵。将legendary作为目标列时，因其取值为1或0两种，故此场景为一个二分类的监督学习。因数据质量很好，而不需要进行其他额外的处理。

实验流程如下，

（1）数据预处理：数据与处理主要通过"类型转换组件“将特征由bigint转化为double类型，以及用“归一化组件”对数据进行去量纲处理，把全部数值都归一化到0和1之间。



（2）模型训练：首先对数据集进行拆分，拆分比例为0.7，拆分原则按照随机采样的算法实现，70%的数据用来训练模型，30%的数据用来预测。

在模型选择的时候，为了对比不同模型之间的效果，故模型选取了PAI平台自带的四种模型：GBDT、PS-SMART、线性SVM和逻辑回归。

特征使用的是hp、attack、defense、atk、def、speed和generation，目标向量为legendary。

（3）预测。直接采用PAI平台自身的“预测组件”对数据进行预测。

（4）模型评估。因为本场景为二分类监督学习，故采用“二分类评估组件”对结果进行评估。

这个实验流程如下图所示：



四、实验结果

	GBDT	PS-SMART	线性SVM	逻辑回归
AUC	0.5	0.8287	0.9857	0.9618
KS	0	0.6549	0.9685	0.867
F1 Score	0.0952	0.6316	0.85	0.6809
evaluate_tsmpl	240	240	240	240
evaluate_psmpl	12	25	18	22
evaluate_nsmpl	228	215	222	218

五、总结

目前仅为数据的初步实验，因精灵的属性相值等特征之间的关系处理比较复杂，故会在后期慢慢进行更为细致的分析。

因为最近看到大家都开始对吃鸡游戏进行数据分析，便引发了自己对比较喜欢的游戏进行分析的想法。刚好看到Kaggle上有pokemon的数据集，便拿来一试。

我们目前更多看到的是人工智能在娱乐、电商、工业等大的行业带来的变革，其实，人工智能就在我们的身边，只要有数据，就可以利用阿里云机器学习PAI平台，随时随地进行数据分析。比如Pokemon、LOL、王者、吃鸡等游戏，比如基金、股票等理财方式，再比如图像识别、推荐系统等等。

大数据时代，数据无处不在，算法平台信手拈来，只要你想得到，都可以拿来分析，让工作更轻松，让生活充满乐趣。