宝可梦数据集分析及预测
简介
本资源文件提供了一个宝可梦数据集的分析及预测项目。该项目利用Python平台上的Numpy、Pandas、Matplotlib以及机器学习算法库scikit-learn，对1013只精灵宝可梦的数据集进行分析和预测。通过对数据集的抽取、清洗、转换和KNeighborsClassifier模型的训练，最终将预测宝可梦是否属于传奇宝可梦、神话宝可梦、超进化宝可梦三类。
项目内容
- 数据集和代码下载
- 提供了宝可梦数据集的下载链接。
- 提供了项目代码的下载链接。
- 摘要
- 本文利用基于Python平台的Numpy、Pandas、Matplotlib以及机器学习算法库scikit-learn，提供的有监督学习的机械学习算法KNeighborsClassifier分析模型，对1013只精灵宝可梦的数据集进行分析预测。
- 通过对数据集的抽取、清洗、转换和KNeighborsClassifier模型的训练，最终将预测宝可梦是否属于传奇宝可梦、神话宝可梦、超进化宝可梦三类。
- 关键技术
- numpy: Python支持科学计算的重要拓展库，提供了强大的N维数组及其相关运算、复杂的广播函数、C/C++和Fortran代码集成工具以及线性代数、傅里叶变换和随机数生成等功能。
- pandas: 对数据的处理是为数据的分析服务的，提供了各种数据处理方法、工具，基于数理统计学出发，包含了日常应用中的众多数据分析方法。
- matplotlib: 数据可视化只是数据分析中的部分，其目的在于使用Python中强大的标准图形库matplotlib在数据分析领域有很高的地位，而且具有丰富的扩展，能实现更强大的功能。
- sklearn: 一个Python第三方提供的非常强力的机器学习库，包含了从数据预处理到训练模型的各个方面。
- 数据分析
- 导入库（含机器学习库）
- 导入数据集
- 每一代精灵宝可梦的数量
- 传说、神话在每代精灵的数量
- 精灵属性数量（柱状图）
- 传奇/神话精灵的属性分布（饼图）
- 统计双系宝可梦的数量
- 战斗分析
- 预测
- 清洗数据，划分数据集
- 使用三种算法预测精灵级别（传奇/神话）
- KNeighborsClassifier调参
使用方法
- 下载数据集和代码文件。
- 按照文章中的步骤导入所需的库。
- 运行代码进行数据分析和预测。
参考文献
- [1] 胡汝鹏, 许新华, 虞烨青, 黄瑾. 基于Matplotlib的学生宿舍电网负荷可视化分析
- [2] 宝可梦数据集的练习（预测模型）
- [3] Python数据分析–平民最强宝可梦
注意事项
- 文章中的matplotlib可视化部分图例使用了中文，不同环境下运行可能会出现乱码，解决方法请参考相关文档。
- 项目代码和数据集仅供学习和研究使用，请勿用于商业用途。