自然言語処理のためのポケモン

# MeCabとPythonバインディングのインストール
!apt-get -q install mecab libmecab-dev mecab-ipadic-utf8
!pip install mecab-python3

# -*- coding: utf-8 -*-
# Program Name: pokemon_mecab_analysis.py
# Description: ポケモン解説文を形態素解析（環境依存対策付き）

import MeCab

# --- MeCab初期化（環境依存対策） / Initialize MeCab with rcfile option ---
try:
    tagger = MeCab.Tagger("-r /etc/mecabrc")
except RuntimeError as e:
    print("MeCab initialization failed. Please check mecabrc path.")
    raise e

# --- 解析対象テキスト / Define Text ---
txt = '''はじめまして、こちらはポケモン統計学習チャンネルです。
Pythonを使ってポケモンデータを自在に分析し、バトルや育成に役立てる力を一緒に身につけましょう。
本講義では特にポケモンの種族値や技データを使った機械学習や自然言語処理に挑戦します。
様々なライブラリを活用することで、タイプ相性や強さ分析が簡単にできます。
それでは早速、ポケモンデータ分析の世界へ進んでいきましょう。'''

# --- 形態素解析実行 / Run Morphological Analysis ---
result = tagger.parse(txt)

# --- 解析結果表示 / Show Result ---
print(result)

# -*- coding: utf-8 -*-
# Program Name: simple_word_pca_visualization.py
# Description: English sentence to dummy vectors and PCA 2D visualization

import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

# --- Example English Sentence ---
sentence = "Learn data science with Python and apply machine learning to analyze Pokemon data"

# --- Tokenize Sentence ---
words = sentence.lower().split()

# --- Simulate Dummy Word Vectors (50-dimensional random vectors) ---
np.random.seed(42)
dummy_vectors = np.random.rand(len(words), 50)

# --- Dimensionality Reduction (PCA) to 2D ---
pca = PCA(n_components=2)
reduced_vectors = pca.fit_transform(dummy_vectors)

# --- 2D Plot ---
plt.figure(figsize=(8, 6))
plt.scatter(reduced_vectors[:, 0], reduced_vectors[:, 1], color='blue')

for i, word in enumerate(words):
    plt.text(reduced_vectors[i, 0] + 0.01, reduced_vectors[i, 1] + 0.01, word, fontsize=9)

plt.title('2D PCA Projection of Dummy Word Vectors')
plt.xlabel('PCA Component 1')
plt.ylabel('PCA Component 2')
plt.show()