Association Rule in Pokemon Party

1. データマイニング発表
CS専攻1年 中村高士
データマイニングの かだいが
しょうぶを しかけてきた

2. 背景 Lv.1
• ポケモン
– 全649種類（公式戦使用可なものは627種類）
• 対戦
– パーティは6匹一組で構成される
– 味方のポケモンとの相性を考える必要がある
– 対戦メンバーを選ぶのは難しい
⇒ 相性のよいポケモンがわかれば，パーティの構築を
効率的に行える

3. 目的とアプローチ Lv.2
• 目的
– 相性の良いポケモンの組み合わせを見つける
• アプローチ
– ランダム対戦（レーティングバトル）のパーティか
ら相関ルールを生成

4. 利用したデータ Lv.3
• ランダム対戦（レーティングバトル） 100 戦分の
データ
• 集計結果 ポケモン名 出現回数
ガブリアス 29
バンギラス 29
ラティオス 26
ハッサム 25
ローブシン 23
ロトム 20
ユキノオー 17
カイリュー 16
: :

5. 実験について Lv.4
• パラメータの設定
– Confidence の閾値は 0.6
– Support の閾値は 0.03
– アイテムセット数が 2 のもののみを対象
• 例：A ⇒ B
• 上記の条件を満たす相関ルールを出力

6. 結果 Lv.5
ルール Confidence Support
トドゼル ⇒ ユキノ 1.0 0.03
ガ オー
マンムー ⇒ ローブシ 0.8 0.04
ン
キングド ⇒ ニョロト 0.75 0.03
ラ ノ
カバルド ⇒ ドリュウ 0.714 0.05
ン ズ
カバルド ⇒ ラティオ 0.714 0.05
ン ス
エアーム ⇒ バンギラ 0.714 0.05
ド ス
バシャー ⇒ ラティオ 0.667 0.08
モ ス
ドリュウ ⇒ カバルド 0.625 0.05
ズ ン

7. 考察と今後の課題 Lv.6
• 考察
– 当たり前のルールも検出された
• 例：トドゼルガ ⇒ ユキノオー
– いくつか興味深いルールも検出された
• 例：マンムー ⇒ ローブシン
• 今後の課題
– 出現回数が少なかったポケモンについてはルールを
検出できなかった
– ルールの妥当性にも不安が残る
⇒ データ数を増やす