Machine Learning y los Pokémon: segunda parte

Algunas estadísticas

Antes de entrar de lleno en el tema, vamos a hacer algunas estadísticas en nuestro conjunto de observaciones con ayuda de la función describe() del módulo Pandas.

print(nuevoPokedex.describe()) 

El objetivo de esta función es explicar estadísticamente todas las características de nuestro conjunto de observaciones para extraer algunas características interesantes.

Vamos a tomar como ejemplo el resultado del análisis estadístico de la característica NIVEL_ATAQUE.

¿Cuáles son los tipos de Pokémon que debe tener un domador?

Responder a nuestro problema es como ponerse en la piel de un domador de Pokémon. Para maximizar las posibilidades de ganar, el domador de los Pokémon tiene en su colección los principales Pokémon del Pokédex.

En efecto, tener los Pokémon que se encuentran más habitualmente significa que hay muchas posibilidades de que los adversarios posean los mismos. Saber que dos Pokémon del mismo tipo pueden bloquear los ataques puede servirnos para evitar perder el combate (https://pokemondb.net/type/dual).

A fin de conocer los Pokémon indispensables para cualquier domador, vamos a utilizar un gráfico donde podremos visualizar rápidamente su cantidad en función de su tipo. Este es el programa que hay que utilizar:

import matplotlib.pyplot as plt  
import seaborn as sns  
  
eje_X = sns.countplot(x="TIPO_1", hue="LEGENDARIO",  
data=nuevoPokedex)  
plt.xticks(rotation= 90)  
plt.xlabel('TIPO_1')  
plt.ylabel('Total ')  
plt.title("POKEMON DE TIPO_1")  
plt.show() 

Visualización de la cantidad...

Los tipos de Pokémon ganadores y perdedores

En nuestra opinión, es importante conocer los tipos de Pokémon ganadores. En efecto, asegurándose de tenerlos en su colección y usarlos en los combates, el domador tiene muchas posibilidades de ganar.

Para obtener esta información, se calcula la media de los porcentajes de victorias de cada Pokémon. Esta media calculada y agrupada por tipo de Pokémon luego se ordena de menor a mayor:

print(nuevoPokedex.groupby('TIPO_1').agg({"PORCENTAJE_VICTORIA": 
"mean"}).sort_values(by = "PORCENTAJE_VICTORIA")) 

En la figura podemos ver el resultado obtenido:

Clasificación de los Pokémon según el porcentaje medio de sus victorias

Podemos deducir, pues, que los Pokémon ganadores son del tipo:

También podemos afirmar que los siguientes tipos de Pokémon a menudo están condenados a perder su combate:

¿Ya podemos deducir algo? Si consideramos el Pokémon protagonista de la serie, llamado Pikachu, que es de tipo eléctrico, y lo comparamos con un Pokémon Hada, podemos deducir que Pikachu tiene muchas posibilidades de ganar el combate.

Si usted juega a los Pokémon, ¿tiene la mayoría de los Pokémon del Pokédex? ¿También tiene Pokémon...

Intentamos encontrar una relación entre los datos

Una relación entre dos datos significa que tienen un fuerte vínculo entre ellos. Como por ejemplo el estado de adulto y que la edad sea de 18 años, el hecho de saber volar y tener alas…

En nuestro caso, se trata de determinar la existencia de características que tienen un fuerte vínculo con la capacidad de ganar un combate. ¿Hay que ser rápido? ¿Hay que tener un nivel elevado de ataque? Eso es lo que vamos a descubrir.

En primer lugar, tenemos que valorar la utilidad del conjunto de datos preguntándonos: «¿Esta característica puede afectar al hecho de ganar o perder un combate?».

155,321,155  
101,583,583  
404,32,32 

Pasamos a la fase de aprendizaje

El problema que tenemos que resolver consiste en determinar si un Pokémon tiene muchas posibilidades de ganar durante un combate.

Como disponemos de datos de aprendizaje, entonces estamos en un caso de Machine Learning denominado «supervisado». Es decir, que la máquina va a aprender en función de lo que se le proporciona como entrada.

En este tipo de casos disponemos de dos tipos de algoritmos: los dedicados a la clasificación o los dedicados a la regresión.

La clasificación permite organizar las predicciones en grupo, mientras que la regresión permite definir un valor.

En nuestro caso tenemos que predecir el porcentaje de victoria, que es un valor, y obviamente utilizaremos los algoritmos de regresión que hemos aprendido en el capítulo Principales algoritmos de Machine Learning, y que son los siguientes: 

Fenómenos de sobreajuste (overfitting)  y de subajuste (underfitting)

Cuando buscamos una solución a un problema en Machine Learning, queremos que se pueda generalizar.

Es decir, que la solución encontrada debe ser aplicable a datos desconocidos por las soluciones utilizadas durante el aprendizaje. Para conseguirlo necesitamos que los datos utilizados durante el aprendizaje sean lo más cercanos posible a la realidad del problema que hay que resolver.

El sobreajuste (overfitting) es un fenómeno que se manifiesta por el hecho de que la solución está demasiado adaptada a los datos de aprendizaje y no se puede generalizar a datos nuevos que le son desconocidos. Así, si para un algoritmo obtenemos una precisión del 99 % sobre los datos de aprendizaje y un valor del 20 % sobre los datos de pruebas, hay muchas posibilidades de que estemos ante un sobreajuste. Por eso se recomienda medir la precisión a la vez sobre los datos de aprendizaje y los datos de validación:

predicciones = algoritmo.predict(X_VALIDACION)  
precision_aprendizaje =  
algoritmo.score(X_APRENDIZAJE,Y_APRENDIZAJE)  
precision = r2_score(Y_VALIDACION, predicciones) 

En cuanto al fenómeno del subajuste, este último se produce cuando el algoritmo no llega a encontrar una relación entre los datos de aprendizaje y, por lo tanto, no consigue hacer buenas predicciones....

Utilizar el modelo de aprendizaje en una aplicación

Disponemos de un modelo de aprendizaje capaz de predecir el porcentaje de victoria de cada Pokémon. Ahora vamos a crear una aplicación utilizando este modelo de aprendizaje con el objetivo de predecir el vencedor de un combate en el que se enfrentarán dos Pokémon elegidos en el Pokédex.

El primer paso consiste en crear un archivo nuevo de Phyton en nuestro proyecto, al que llamaremos quienSeraElVencedor.py.

En este archivo, primero vamos a importar los módulos que necesitamos.

#Módulo de lectura de archivos CSV  
import csv  
  
#Módulo de carga del modelo de aprendizaje  
from sklearn.externals import joblib 

A continuación, vamos a escribir una primera función que se encargará de buscar información sobre un Pokémon en el Pokédex a partir de su número y que será útil para nuestro modelo de predicción.

def busquedaInformacionPokemon(numPokemon,Pokedex):  
   infoPokemon = []  
   for pokemon in Pokedex:  
       if (int(pokemon[0])==numPokemon):  
           infoPokemon =  
[pokemon[0],pokemon[1],pokemon[4],pokemon[5],pokemon[6],pokemon[7], 
pokemon[8],pokemon[9],pokemon[10]]  
           break  
   return infoPokemon 

Primero se crea una lista (infoPokemon) que permite almacenar toda la información...

Fin del caso de estudio

Ahora ya estamos al final del caso de estudio dedicado a los Pokémon. La primera parte nos permitió descubrir las etapas de preparación de los datos para la resolución de un problema relacionado con Machine Learning supervisado.

En la segunda parte hemos estudiado detalladamente el análisis más fino de los datos para poder determinar los que tienen una incidencia alta (relación) sobre la resolución de nuestro problema. Una vez realizada esta etapa, hemos formulado hipótesis sobre la predicción de la victoria de un Pokémon en relación con su adversario y las hemos verificado

A continuación, hemos probado varios algoritmos de predicción relacionados con la regresión (porque buscábamos predecir un valor) para determinar el que nos permitirá obtener un modelo de predicción fiable. Después hemos utilizado este modelo en una aplicación.

Lo que hay que recordar de esta experiencia es que la preparación y el análisis de los datos es una fase, quizás la más importante de un proyecto de Machine Learning. Los datos bien preparados y de buena calidad permitirán hacer buenas predicciones.

Recuerde también los conceptos de sobreajuste y subajuste, ya que nos serán útiles en nuestras búsquedas de algoritmos que puedan responder a los problemas de Machine Learning....