TensorFlow는 누가 가장 강한 포켓몬인지 예측하는 은행가입니다.

"포켓몬 GO"는 2016년 9월에 출시되어 큰 인기를 얻었습니다. 이 게임은 닌텐도, 포켓몬 회사, 구글의 나이앤틱 랩스가 공동으로 개발했습니다.

포켓몬은 콘텐츠 지원, 게임 디자인, 스토리 콘텐츠 등을 담당하고 있습니다. Niantic은 게임에 대한 기술 지원과 AR 기술 제공을 담당하고, Nintendo는 게임 개발과 글로벌 배포를 담당합니다.

이 게임은 주로 AR 기술을 사용하며, 플레이어는 모바일 기기를 통해 현실 세계에서 포켓몬을 잡고 싸울 수 있습니다.

게임에는 800마리 이상의 포켓몬이 있으며, 각 포켓몬은 서로 다른 캠프에 배정되어 있습니다. 각 포켓몬은 공격력, 방어력, 타격력, 속도 등 서로 다른 속성을 가지고 있습니다.

이 포켓몬 중 일부의 속성값을 보여줍니다.

골덕은 포켓몬에서 가장 강한 드래곤입니다

이러한 속성값은 머신러닝 모델의 예측 결과에 대한 데이터 집합입니다. 현재 이 모델은 주로 "분류기 구축, 분류기 훈련, 분류기 테스트"의 세 단계를 거쳐 완성됩니다.

분류기는 주로 데이터를 분류하는 데 사용됩니다. 예를 들어, 이미지를 개 또는 고양이로 분류하는 것입니다. 가장 일반적으로 사용되는 것은 랜덤 포레스트 분류기로, 여러 개의 의사결정 트리를 기반으로 샘플 데이터를 학습하고 예측하여 작동합니다.

의사결정 트리 분류기

의사결정 트리에 대해 간략하게 알아보겠습니다. 동물의 종류, 키, 무게, 속도 등에 대한 정보가 주어졌고, 그 동물이 고양이인지, 개인지, 아니면 다른 동물인지 추론해 달라는 요청을 받았다고 가정해 보겠습니다. 이는 의사결정 트리를 통해 달성될 수 있습니다.

위 그림에서 보듯이, 의사결정 트리의 각 노드에서 질문이 생성됩니다. 질문에 대한 답변에 따라 하위 트리를 더욱 세분화할 수 있으며, 동물이 고양이인지 개인지 판별할 때까지 전체 과정을 반복합니다.

의사결정 트리 분류기의 장점은 데이터 세트가 주어졌을 때 각 노드에서 올바른 질문을 할 수 있다는 것(즉, 이득 정보를 찾아냄)이며, 이를 통해 트리를 나누고 각 예측의 정확도를 높일 수 있다는 것입니다.

랜덤 포레스트 분류기

랜덤 포레스트 분류기는 여러 개의 의사결정 트리 분류기의 집합입니다. 단일 의사결정 트리를 사용하는 것과 비교했을 때, 이 방법은 더 나은 결과를 얻을 수 있으며 더 실용적입니다.

좋습니다. 이제 랜덤 포레스트 분류기를 만들어 보겠습니다. 아래에 표시된 대로 n_estimators는 랜덤 포레스트를 만드는 데 사용된 의사결정 트리의 수를 100으로 나타냅니다.

엘프의 속성 값은 데이터 세트(즉, x_train)로 사용되고, 분류기는 이러한 데이터 세트를 통해 훈련되어 훈련 세트에서 예측 값과 실제 값(즉, y_train) 사이의 손실을 최소화합니다.

전체 분류기의 훈련은 서로 다른 속성 값 간의 관계를 파악함으로써 달성되어야 합니다. 마지막으로, 랜덤 포레스트 분류기의 정확도는 95%를 넘어섰습니다.

실제 예측에서는 여전히 모든 스프라이트의 속성 값을 사용하는 데이터 집합이며, 랜덤 포레스트 분류기는 이러한 값을 기반으로 결과를 예측합니다.

오닉스, 비둘기, 스폰지밥, 골덕은 "포켓몬 GO"에 등장하는 4가지 캐릭터입니다. 이 모델은 오닉스 대 피전, 스퀴드워드 대 골덕의 결과를 각각 예측합니다.

예측: 오닉스가 승리합니다

예측: 흡입컵 골렘이 승리합니다

이런 종류의 배틀은 지금까지 "포켓몬 GO"에 등장한 적이 없습니다. 이 게임을 하고 있다면, 이 모델이 예측한 대로 결과가 나오는지 확인하기 위해 친구들과 함께 시도해 보는 게 좋을 것입니다.

이 프로젝트는 엔지니어들에 의해 Github에 공개되었으며, 관심 있는 다른 친구들도 확인할 수 있습니다.