기계학습을 이용한 LOL 승패 예측 모형 설계 및 지표 제시
초록/요약
세계적으로 온라인 게임의 규모와 인기가 나날이 증가함에 따라 온라인 게임 관련 연구들이 다양하게 진행되고 있다. 하지만 온라인 게임 시장에서 MOBA(Multiplayer Online Battle Arena) 장르 게임이 새롭게 인기를 얻고 있음에도 MOBA 장르 게임에 대한 연구는 부족한 상황이다. 이에 본 연구는 MOBA 장르의 대표적인 게임인 리그 오브 레전드(League of Legends)의 경기 데이터를 기반으로 기계학습을 이용한 승패 예측 모형을 설계하고 프로 팀별 경기 성향을 파악할 수 있는 지표를 제시한다. 이를 분석하여 프로 선수들과 코치진들의 맞춤형 전략 수립에 도움을 주고자 한다. 본 연구에서 사용한 데이터는 리그 오브 레전드의 제작사인 라이엇 게임즈(Riot Games)에서 제공하는 경기 데이터이며 승패 모형에 유의한 변수들을 선정한 후 플레이어 단위 변수는 팀 단위 변수로 변환하였다. 승패 예측 모형 설계는 오픈 소스 기반의 데이터마이닝 도구인 R을 이용하여 두 예측 모형(Logistic Regression, Decision Tree)을 설계하고 10-Fold Cross Validation을 진행하였다. 최종적으로 각 모형의 성능 지표를 통해 모형의 예측 정확도 및 성능을 확인하였다. Logistic Regression, Decision Tree의 예측 정확도는 각각 95%, 93%로 나타났다. 또한 리그 오브 레전드 국내 1부 리그인 LCK 10개 팀의 경기 데이터를 분석하여 팀의 성향을 나타내는 지표를 제시하였다. 각 지표는 해당 팀이 경기 초반에 강한 팀인지 또는 중·후반에 강한 팀인지 직관적으로 나타낸다. 지표는 Logistic Regression을 통해 도출하였다.
more목차
제1장 서론 1
제1절 연구 배경 1
제2절 연구 문제 3
제3절 연구 목적 3
제4절 연구 필요성 및 기대효과 4
제5절 논문 구성 6
제2장 관련 연구 7
제1절 기계학습이란 7
제2절 기계학습을 이용한 스포츠 승패 예측 관련 연구 9
제3절 LOL 승패 예측 관련 기존 연구 10
제1관 본 연구의 차별성 12
제3장 실험 설계 및 구현 13
제1절 모형 설계 과정 13
제2절 분석 방법 설명 15
제1관 승패 예측 모형 15
제2관 지표 제시 17
제3절 수집 데이터 및 전처리 18
제1관 팀별 데이터 19
제2관 변수 스케일링 20
제4절 최종 연구 데이터 23
제1관 승패 예측 모형 23
제2관 지표 제시 24
제4장 실험 결과 25
제1절 Logistic Regression을 이용한 승패 예측 분석 25
제1관 다중공선성 확인 25
제2관 최적 변수 선택 26
제3관 Logistic Regression 모형 설계 28
제2절 Decision Tree를 이용한 승패 예측 분석 30
제3절 교차 검증 및 모형 평가 32
제4절 지표 제시 (EPR, LPR) 33
제1관 EPR 34
제2관 LPR 34
제3관 지표 분석 35
제5장 결론 및 향후 연구 37
제1절 연구 결론 및 성과 37
제2절 연구 한계점 및 향후 연구 40
참고 문헌 41
