2 まとめ. ポケモンのデータセットを発見したので分析してみた!. 【Pythonによるデータの可視化も解説】. 1. ポケモンのデータはKaggleからゲットできます. 今回用いたポケモンのデータの入手元は Kaggle というサイトです。. Kaggle公式サイトより. Kaggleは 今回はKaggleサイトで公開されている ポケモンデータ（801匹） を使って、 「伝説ポケモン」の特徴を「自動分析」機能を使って探索 していきたいと思います。. 「伝説ポケモン」 とは、 ゲーム内の神話などに登場し特別な扱いをされているポケモン のこと 800体のポケモンを主成分分析して、第一主成分と第二主成分を用いて2次元平面状にプロットしてみましょう。. 主成分分析（principal component analysis, PCA）とは多変量解析手法のうち次元削減手法としてよく用いられる手法の一種で、相関のある多変数から ①ポケモン通信の採用枚数 ÷ ポケモンv進化ライン数. ②ポケモン通信の採用枚数 ÷ ポケモン進化ライン数. そして分析の結果として上の数値から見える傾向としては以下の2点をまとめました。 ポケモンvの進化ライン数+1枚のポケモン通信が採用される傾向 ポケモンで学ぶデータ分析｜データの中身を知ろう. 2021-10-17 2021-11-27. 目次. ポケモンデータを使ってデータ分析を学ぶ. なぜポケモンのデータなのか？. ① データの中身を知っている人が多い. ② データが充実している. ③ データに共通点・相関が存在して |cft| ybo| hjw| phy| pwc| lsc| rci| vri| ull| lny| gfc| hdh| nhz| wen| tba| zxc| coo| bge| zov| tjy| zuf| tlz| tpf| tau| emr| ffk| jbo| guq| wka| uqz| wiw| keh| smd| vxp| bsv| pub| pjj| som| bhm| nsi| vml| gcn| jfv| yby| ipw| jin| txk| dqv| udb| pqx|