# 資料探勘 - 期中報告
組員: B063020025 曾凰嘉、B065040034 王譽鈞、B071020028 陳孟稼
## 摘要
[內容]
(暫定)
遊戲app的豐富性建立在其中資訊量的複雜性與多面向上。然而大量的玩家已經不滿足於只是進行遊戲，而期望能系統性分析他們所取得的資料和意義，以更進一步地享受遊戲。此報告將以手機遊戲pokemon go中玩家回傳的數據，如，與遊戲角色的相遇場所、時間，以及相遇時的環境條件等資料，以K-近鄰演算法 (k-nearest neighbors algorithm; KNN)，將資料分類(classification)，以便檢閱相似屬性角色的相關數據。由於在KNN model中，待分類資料屬性係由幾筆鄰近的資料以多數決投票決定，我們首先需要考量多維度的資料在距離計算上可能帶來的負擔。因此，在資料前處理時我們將先刪去不相關的向度，並在交叉比對過各項對於資料分類的影響力後，再次剔除對於準確性不太造成影響者。除此之外，由於各資料對於分類的影響度可能不盡相同，我們將採取曼哈頓距離計算式，提高更鄰近需分類資料者的權重(weight)，以免因簡單多數決造成錯誤分類。最後，由於k的具體數值，亦即將由幾個數據共同決定一個資料的去處，將大幅影響分類，(如，分類器會否向數據中最大多數者傾斜，或者會否因樣本數過少，對於雜訊(noise)敏感)，k的選擇亦是此次報告的課題。
## 簡介
[內容]
(暫定)
在現今資料充斥，乃至於氾濫的大數據時代，人們已經逐漸無法自行分類資料，更遑論對其分析並做出預測。然而，資料的篩選，以及以更精簡、有系統的方式去呈現我們所需要的部分，使工作效率與準確度提升，並最終得以更有意義地活用數據，卻一直是不變的需求。Knn model的分類原理簡單直觀，執行不複雜，且同時在如手寫系統的辨識、圖片的分類(classification)，以及在建立分類器後，更進一步對於房價、天氣等等數據，進行回歸(regression)預測上，都有其有效應用性。Pokemon go遊戲中，玩家可捕捉的角色眾多，而角色本身的屬性又影響著後續遊戲進行的策略與安排，因此，對於角色簡單的分類，以及根據與角色相遇時的環境(地形、氣溫、與補給點的距離、環境能見度等等)去預測角色屬性，將使遊戲模式顯得有跡可循，幫助玩家對遊戲做出模擬以及攻略，不至於在進行遊戲時亂無章法。若能大幅提升玩家的遊戲感受，遊戲將能提高玩家的參與度，並可能藉由遊戲活躍度的延長，拉長產品壽命。
## 相關研究
[內容]

## 研究方法
KNN ( K Nearest Neighbor)
3.1資料前處理
ID:
我們認為寶可夢的ID編號跟結果無關，所以在資料處理時把此欄位刪除掉。
appearedTimeOfDay:
根據這張表，我們發現不同類別的寶可夢，分布在不同時段的比例也都不一樣，所以保留此欄位，採用one-hot encoding的方式。
appearedHour,appearedMinute:我們認為寶可夢出現哪種類別跟幾點幾分沒有太大的關係，所以drop這2個欄位。
terrainType:從圖中可以看出每一類寶可夢經常出現的地形都不太一樣，認為這是有用的欄位，採用one hot encoding編碼。
closeToWater:
我們發現第1.3.4類的寶可夢是比較常在水邊出現的，0.2.5類寶可夢比較不靠水，可能是跟寶可夢的屬性有相關，所以認為這欄位有參考價值，故True的設為1，False的設為0。
city:
將各個城市one-hot encoding，再標準化。
continent:
大部分的寶可夢都分布在歐洲和美洲，而第0類和第5類寶可夢大多分布在美洲，其他類在美洲和歐洲的比例是差不多的，把資料用one-hot encoding的方式編碼，再去做標準化。
weather:
0~5的寶可夢都是在晴空萬里(clear)時出現的機率較高，多雲的天氣是第二高，其他天氣出現的機率都很低，故保留此欄位，也是採用one-hot encoding的方式編碼再做標準化。
temperature,windspeed,pressure,population,gymDistanceKm,pokestopDistanceKm:對全體標準化
weatherIcon:這欄位跟weather滿相近的，我們選擇採用weather，drop weatherIcon。
其他:True設為1，False設為0

## 實驗結果
[內容]
## 總結
[內容]

---
### 參考資料
<https://www.kaggle.com/c/aia-dnn-classification-pokemongo-tpe-5/overview>