최근 온라인게임 시장 규모가 증가하고 사용자들이 다양해지면서 e-Sports의 규모와 인기도 나날이 증가하고 있다. 이에 사람들의 e-Sports경기 승패에 대한 관심도 증가하게 되었지만 이와 관련된 연구는 부족한 것이 현실이다. 이에 본 논문에서는 e-Sports경기 종목 중 하나인 ‘리그 오브 레전드’ 게임에 초점을 맞춰 기계학습을 활용한 승패 예측 모델을 제안한다. 데이터 수집은 op.gg 사이트를 통해 2016년 5월 기준 리그 오브 레전드 한국 서버 상위 1%의 사용자 1,000명의 최근 4 경기, 총 4,000경기 결과를 수집하였다. 구체적인 내용 및 방법은 다음과 같다. 경기 결과에 나타난 기록관련 요인 중 경기 내적인 요인을 중심으로 경기의 승·패와 관련된 요인을 탐색하고 그 요인들을 팀 데이터로 재가공하였다. 이렇게 가공된 데이터를 바탕으로 기계학습을 시행한 결과 ...
최근 온라인게임 시장 규모가 증가하고 사용자들이 다양해지면서 e-Sports의 규모와 인기도 나날이 증가하고 있다. 이에 사람들의 e-Sports경기 승패에 대한 관심도 증가하게 되었지만 이와 관련된 연구는 부족한 것이 현실이다. 이에 본 논문에서는 e-Sports경기 종목 중 하나인 ‘리그 오브 레전드’ 게임에 초점을 맞춰 기계학습을 활용한 승패 예측 모델을 제안한다. 데이터 수집은 op.gg 사이트를 통해 2016년 5월 기준 리그 오브 레전드 한국 서버 상위 1%의 사용자 1,000명의 최근 4 경기, 총 4,000경기 결과를 수집하였다. 구체적인 내용 및 방법은 다음과 같다. 경기 결과에 나타난 기록관련 요인 중 경기 내적인 요인을 중심으로 경기의 승·패와 관련된 요인을 탐색하고 그 요인들을 팀 데이터로 재가공하였다. 이렇게 가공된 데이터를 바탕으로 기계학습을 시행한 결과 로지스틱 회귀분석 및 의사결정모형, Naive Bayes 모두 90% 이상의 예측 정확도를 보였다.
최근 온라인게임 시장 규모가 증가하고 사용자들이 다양해지면서 e-Sports의 규모와 인기도 나날이 증가하고 있다. 이에 사람들의 e-Sports경기 승패에 대한 관심도 증가하게 되었지만 이와 관련된 연구는 부족한 것이 현실이다. 이에 본 논문에서는 e-Sports경기 종목 중 하나인 ‘리그 오브 레전드’ 게임에 초점을 맞춰 기계학습을 활용한 승패 예측 모델을 제안한다. 데이터 수집은 op.gg 사이트를 통해 2016년 5월 기준 리그 오브 레전드 한국 서버 상위 1%의 사용자 1,000명의 최근 4 경기, 총 4,000경기 결과를 수집하였다. 구체적인 내용 및 방법은 다음과 같다. 경기 결과에 나타난 기록관련 요인 중 경기 내적인 요인을 중심으로 경기의 승·패와 관련된 요인을 탐색하고 그 요인들을 팀 데이터로 재가공하였다. 이렇게 가공된 데이터를 바탕으로 기계학습을 시행한 결과 로지스틱 회귀분석 및 의사결정모형, Naive Bayes 모두 90% 이상의 예측 정확도를 보였다.
Recently, The scale of online game industry has gradually grown, and online gamers are also being diversified. accordingly, popularity of E-Sports and user's preference for online game is also is growing, but the lack of relevant research is a reality. So, This paper suggests the prediction mod...
Recently, The scale of online game industry has gradually grown, and online gamers are also being diversified. accordingly, popularity of E-Sports and user's preference for online game is also is growing, but the lack of relevant research is a reality. So, This paper suggests the prediction model of win and loss, using machine learning techniques focused on 'League of Legend'. The data samples are collected from 'op.gg' web site, considering that four recent games of 1,000 users in Korea server top 1%, 4,000 total. Detailed research plan is as follows. Searching the factors which have an effect on the game result with the 4,000 data samples. These factors are changed to the team data considering the feature of the game. through the sample, executing the prediction of game result with naive bayes, logistic, decision tree algorithm. those three model shows above 90% accuracy rates.
Recently, The scale of online game industry has gradually grown, and online gamers are also being diversified. accordingly, popularity of E-Sports and user's preference for online game is also is growing, but the lack of relevant research is a reality. So, This paper suggests the prediction model of win and loss, using machine learning techniques focused on 'League of Legend'. The data samples are collected from 'op.gg' web site, considering that four recent games of 1,000 users in Korea server top 1%, 4,000 total. Detailed research plan is as follows. Searching the factors which have an effect on the game result with the 4,000 data samples. These factors are changed to the team data considering the feature of the game. through the sample, executing the prediction of game result with naive bayes, logistic, decision tree algorithm. those three model shows above 90% accuracy rates.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.