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
- Tez No: 846981
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEKERİYA ANIL GÜVEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- 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
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA
- Derin öğrenme yöntemi ile optik uydu görüntülerinden gemi tespiti
Ship detection by optical satellite images with deep learning method
OSMAN DUMAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- EEG ve EKG işaretlerinden örüntü tanıma uygulamaları ve karşılaştırılması
Applications and comparison of pattern recognition from EEG and ECG signals
ABDULNASIR YILDIZ
Doktora
Türkçe
2011
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA POYRAZ
- 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
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA