prikaz prve stranice dokumenta Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja
Rad nije dostupan
diplomski rad
Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:761039
Mustač, Kuzma
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Mustač, K. (2021). Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač, Kuzma. "Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač, Kuzma. "Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 18.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:761039

Mustač K. Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 18.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:761039

K. Mustač, "Modeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:761039

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:761039
Podaci o radu
NaslovModeli za predviđanje kraja zainteresiranosti igrača za digitalnu igru kroz analizu ponašanja
Naslov (engleski)Models for predicting the end of players' interest for a digital game through behavioral analysis
AutorKuzma Mustač
MentorMirko Sužnjević (mentor)
Član povjerenstvaMirko Sužnjević (predsjednik povjerenstva)
Član povjerenstvaIgor Sunday Pandžić (član povjerenstva)
Član povjerenstvaLea Skorin-Kapov (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-09-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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%.
Sažetak (engleski)
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%.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:761039
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 15:41:51