Analyse et statistiques
Le projet LifeSim intègre un système de récolte de données, conçu pour le moment pour l'analyse scientifique de la survie et l'entrainement de modèles de Machine Learning.
Mode simulation simple :
En mode unique, la priorité est la visualisation immédiate des données.
Collecte des données
Pendant que la simulation tourne, les données sont accumulées en mémoire puis structurées via Pandas et Numpy.
| Type | Données | Utilité |
|---|---|---|
| Profil génétique | Résistance, Vitesse, Satiété, Vision | Voir la répartition des attributs et identifier les profils |
| Activité physique | Distance parcourue, nourriture mangée | Représenter l'efficacité énergétique |
| Comportement | temps passé en zone d'abondance | Voir si c'est une feature importante |
| Dynamique internes | évolution de la jauge de faim, temps vécu | Identifier les points fort de la vie d'un Minos |
Rendu visuel
A la fermeture de la fenêtre, le système génère automatiquement des graphiques Voici quelques exemples :
Distribution de la satiété sur 5000 Minos
Evolution de la faim de 1000 Minos
Corrélation entre la vitesse et le temps de survie
Profil du Minos qui a survécu le plus longtemps
Mode simulation multiples :
En mode multiple, le but est de génerer des Datasets massifs. Chaque simulation vient nourrire une base de données globale au format CSV.
Structure du fichier CSV
Chaque ligne réprésente toutes les informations d'un Minos.
| id | resistance | vitesse | satiete | vision | time_lived | food_eaten | distance_traveled | nb_minos | ratio_food |
|---|---|---|---|---|---|---|---|---|---|
| 38 | 2.07 | 3.71 | 0.73 | 381.83 | 123 | 0 | 717.12 | 41 | 0.04 |
| 39 | 0.98 | 4.77 | 1.08 | 286.27 | 125 | 0 | 831.21 | 41 | 0.04 |
| 40 | 0.43 | 8.32 | 1.32 | 264.33 | 117 | 0 | 1665.8 | 41 | 0.04 |
Exploitation Data
Ces lignes de données isolent chaque individu dans son contexte (nombre de concurrents, abondance de nourriture), offrant une vision complète et détaillée de la sélection naturelle simulée.
Potentiel pour Machine Learning
Ces lignes permettent d'isoler chaque Minos et de comprendre dans quel cas il survit bien. Ces données sont idéales pour des algorithmes de Machin Learning