設計說明

• 請撰寫程式讀取寶可夢資料集pokemon.csv，並進行分類及預測。
• 寶可夢的某些欄位可能有遺漏值（missing value），請直接刪除這些欄位有遺漏之寶可夢。
• 針對各數值欄位進行標準化。–標準化定義為「將資料X轉換為Z = (X-μ) /σ」，其中μ為資料平均數，σ為資料之變異數。此轉換可使用StandardScaler完成。
• 利用線性支援向量分類器（Support Vector Classifier, SVC）針對Type1為Normal, Fighting, Ghost三種寶可夢的欄位進行分類。
• 計算錯誤分類的個數、分類的準確度（Accuracy）以及有加權的F1-score。
• 請選定用哪三個(包含'Attack', 'Defense')欄位可使錯誤分類的個數為最小。

請依序回答下列問題

• 請選定使用哪三個(包含'Attack', 'Defense')欄位可使錯誤分類的個數為最小?
• 填入此時錯誤分類的個數？
• 請填入此時分類結果的準確度Accuracy（四捨五入取至小數點後第四位）？
• 請填入此時分類結果的平均F1-score (weighted)（四捨五入取至小數點後第四位）？

請參考範例2-5-2寶可夢屬性分類_104.ipynb作答

成品（程式碼於本行下方，使用colab雲端開啟）

雲端連結（請點我）

• 由於資料預處理後，Type2欄位遺失值佔將近半數，故不移除也不納入討論。
• 結果整理如表：

• 選定 'Total' 欄位，即使用 'Attack'、'Defense' 以及 'Total' 欄位可使錯誤分類的個數最小。