prikaz prve stranice dokumenta Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja
No public access
master's thesis
Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:761039
Mustač, Kuzma
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Mustač, K. (2021). Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač, Kuzma. "Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač, Kuzma. "Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač, K. (2021). 'Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 19 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač K. Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 June 19] Available at: https://urn.nsk.hr/urn:nbn:hr:168:761039

K. Mustač, "Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:761039

Metadata
TitleModeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja
Title (english)Models for predicting the end of players' interest for a digital game through behavioral analysis
AuthorKuzma Mustač
MentorMirko Sužnjević (mentor)
Committee memberMirko Sužnjević (predsjednik povjerenstva)
Committee memberIgor Sunday Pandžić (član povjerenstva)
Committee memberLea Skorin-Kapov (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-09-24, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu proveden je statistički pregled koristeći podatke jedne online mobilne igre. Statistički pregled podataka opravdao je vremenski i resursni trošak učenja i testiranja odabranih modela strojnog učenja. Cilj modela strojnog učenja je generalno predviđanje kraja zainteresiranosti igrača za igranjem i specifičniji slučaj predviđanja kraja zainteresiranosti igrača nakon potrošnje svih inicijalnih ulaznica unutar igre. Odabrani modeli strojnog učenja su: algoritam nasumične šume, algoritam K-najbližih susjeda i logistička regresija. Rezultati klasifikacije generalnog predviđanja kraja zainteresiranosti igrača pokazali su kako je algoritam nasumične šume sa vrijednošću AUC metrike od 0.77 i prosječnom preciznošću AP od 94% bio najbolji od odabranih modela i postigao zadovoljavajuće rezultate. Po rezultatima specifične analize kraja zainteresiranosti nakon potrošnje inicijalnih ulaznica kao najbolja istaknula se logistička regresija sa vrijednošću AUC metrike od 0.64 i prosječnom preciznošću od 53%.
Abstract (english)
In this paper, a statistical overview was initially made using the data gathered from an online mobile game. The statistical overview justified the time and resource costs associated with the training and testing of selected machine learning models whose aim is predicting the end of players’ interest in playing the game and a more specific case of predicting the end of player’s interest in playing the game after consuming all initially given in-game tickets. The selected machine learning models were: random forest algorithm, K-nearest neighbor algorithm and logistic regression. The results of the general end of players’ interest classification showed the random forest algorithm having the greatest AUC metric of 0.74 and the greatest average precision results of 94%. The specific case classification results highlighted the logistic regression having the highest AUC metric value of 0.64 and the highest average precision of 53%.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:761039
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 15:41:51