Geri Dön

Performance comparison of classification algorithms for detecting level-based player churn using in-game data

Oyun içi verileri kullanarak seviye bazlı oyuncu kaybını tespit etmede sınıflandırma algoritmalarının performanslarının karşılaştırılması

  1. Tez No: 846981
  2. Yazar: MUHAMMED SELİM TOKER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZEKERİYA ANIL GÜVEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Oyuncu kaybı milyarlarca dolarlık oyun endüstrisi için en önemli sorunlardan biridir ve oyuncu kaybı demek şirketler için gelir kaybı anlamına gelir. Oyuncu kaybını tespit etmede yapılan diğer çalışmalar oyuncu bazlı bir yaklaşımı içermektedir. Bu çalışmada ise level-based bir yaklaşım önerilerek oyuncu kaybı tespit edilmeye çalışılmıştır. Bunun için veri temizleme, veri indirgeme, özellik çıkarımı, dönüştürme gibi gerekli veri ön işleme işlemleri veri setine uygulanmış ve sonrasında sınıflandırma algoritmaları ile değerlendirilmiştir. Her bir adım ayrı ayrı test edilip tahmin yeteneğine etkileri tespit edilmiştir. Ayrıca farklı sınıflandırma modelleri yardımıyla üretilen özellik setleri ile testler yapılıp performansa etkisi karşılaştırılmıştır. AdaBoost ve Decision Tree algoritmaları ile sırasıyla 0.79 ve 0.78 F1 skoru elde edilmiştir. Elde edilen bulgular ve sonuçlar çalışmanın sonunda paylaşılmıştır.

Özet (Çeviri)

Player churn is one of the most important problems for the multi-billion-dollar gaming industry, and player churn means lost revenue for companies. While other studies on player churn detection have used a player-based approach, this study proposes a level-based approach to detect player churn. The data used for this purpose were subjected to necessary data preprocessing processes such as data cleaning, data reduction, new inference, transformation, and evaluation with classification algorithms. Each step was tested separately, and its effects on the prediction ability were determined. In addition, tests were conducted with feature sets generated with the help of different classification models, and their effects on performance were compared. AdaBoost and Decision Tree algorithms achieved F1 scores of 0.79 and 0.78 respectively. The findings and results are shared at the end of the study.

Benzer Tezler

  1. Türkçe metinlerde duygu analizi

    Sentiment analysis in Turkish texts

    CUMALİ TÜRKMENOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

  2. Neuro classifiers for condition and bearing health assessment of an electric motor

    Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar

    MINA GHORBAN ZADEH BADELI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA

  3. Derin öğrenme yöntemi ile optik uydu görüntülerinden gemi tespiti

    Ship detection by optical satellite images with deep learning method

    OSMAN DUMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. MESUT KARTAL

  4. EEG ve EKG işaretlerinden örüntü tanıma uygulamaları ve karşılaştırılması

    Applications and comparison of pattern recognition from EEG and ECG signals

    ABDULNASIR YILDIZ

    Doktora

    Türkçe

    Türkçe

    2011

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA POYRAZ

  5. Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti

    An application of machine learning to anomaly detection in insurance industry using strategic management approach

    AYŞE NURBANU ŞAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. TOLGA KAYA