Please use this identifier to cite or link to this item:
https://essuir.sumdu.edu.ua/handle/123456789/91150
Or use following links to share this resource in social networks:
Tweet
Recommend this item
Title | Predicting the results of Esports matches by means of machine learning |
Authors |
Hrytsenko, A.K.
Hrytsenko, Kostiantyn Hryhorovych |
ORCID |
http://orcid.org/0000-0002-7855-691X |
Keywords |
кіберспортивний матч киберспортивный матч e-sports match прогнозування результатів прогнозирование результатов predicting results логістична регресія логистическая регрессия logistic regression дерево рішень дерево решений decision tree нейронна мережа нейронная сеть neural network порівняння моделей сравнение моделей model comparison |
Type | Conference Papers |
Date of Issue | 2022 |
URI | https://essuir.sumdu.edu.ua/handle/123456789/91150 |
Publisher | Sumy State University |
License | In Copyright |
Citation | Hrytsenko A. K., Hrytsenko K. H. Predicting the results of Esports matches by means of machine learning // Socio-Economic Challenges : Proceedings of the International Scientific and Practical Conference, Sumy, November 14-15, 2022. Sumy : Sumy State University, 2022. P. 172-177. |
Abstract |
Індустрія кіберспорту є високорозвиненою міждисциплінарною сферою, в якій широко використовується машинне навчання. Ми вивчаємо застосування методів машинного навчання для прогнозування результатів кіберспортивних матчів. На основі кореляційного аналізу визначено вхідні змінні для прогнозування результатів кіберспортивних матчів онлайн-гри League of Legends. Пакет SAS Enterprise Miner створює прогнозні моделі у формі дерева рішень, логістичної регресії та нейронної мережі. На основі аналізу показників якості прогнозних моделей обґрунтовано використання нейронної мережі як предиктора результатів кіберспортивних матчів. Основна перевага нашого підходу полягає в тому, що він підвищує точність прогнозу за допомогою обраної найкращої моделі машинного навчання. Индустрия киберспорта – высокоразвитая междисциплинарная сфера, в которой широко используется машинное обучение. Мы изучаем применение методов машинного обучения для прогнозирования результатов киберспортивных матчей. На основе корреляционного анализа определены входные переменные для прогнозирования результатов киберспортивных матчей онлайн игры League of Legends. Пакет SAS Enterprise Miner создает прогнозные модели в виде дерева решений, логистической регрессии и нейронной сети. На основе анализа показателей качества прогнозных моделей обосновано использование нейронной сети в качестве предиктора результатов киберспортивных матчей. Основное преимущество нашего подхода заключается в том, что он повышает точность прогноза с помощью выбранной модели машинного обучения. The e-sports industry is a highly developed interdisciplinary field in which machine learning is widely used. We examine the application of machine learning techniques in order to predict the results of e-sports matches. Based on the correlation analysis, the input variables for predicting the results of the e-sports matches of the online game League of Legends are determined. The SAS Enterprise Miner package builds predictive models in the form of a decision tree, logistic regression and neural network. Based on the analysis of the quality indicators of forecast models, the use of the neural network as a predictor of the results of e-sports matches is substantiated. The main advantage of our approach is that it improves the forecast accuracy using chosen best machine learning model. |
Appears in Collections: |
Наукові видання (ННІ БіЕМ) |
Views
Belarus
1
Brazil
1
Denmark
1
France
775
Germany
1
Hong Kong SAR China
36
Hungary
1
India
1116145
Indonesia
1026688277
Iran
1
Ireland
8
Italy
32
Japan
5132
Malaysia
1116137
Pakistan
1
Philippines
55130
Poland
5128
Romania
1
South Korea
5125
Spain
371232764
Sri Lanka
55135
Ukraine
8122964
United Kingdom
1116144
United States
2053376556
Unknown Country
-816118826
Downloads
Belarus
1
Germany
1026688277
India
1
Ireland
1
Italy
1
Japan
5126
Malaysia
1
Philippines
1
Poland
1
Singapore
1
Spain
371232765
Ukraine
8122965
United Kingdom
55132
United States
2053376553
Unknown Country
1
Files
File | Size | Format | Downloads |
---|---|---|---|
Hrytsenko_logistic_regression.pdf | 703.87 kB | Adobe PDF | -835486469 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.