マレニアデータセットによる分析と予測
の先頭にある
私は偶然カゲルをぶらぶらして、マレニアに関する3つのデータを見た.
マリニアはエデンリンのすべてのリーダーの中で最も難易度の高い悪名高いリーダーだ.
楽しかったから(Iam Malenia.Blade of Miquella)
私はこれらのデータに興味を持ち始め、これらのデータを利用して分析と予測を行うことを考えています.
データセットリンク
https://www.kaggle.com/datasets/jordancarlen/host-deaths-to-malenia-blade-of-miquella
データ解析
コラムコメント
Host Death Time:ホストの死亡時間
ホストビルド:主な攻撃兵器
RAW MELEE-近戦武器
RAW CAST-魔法を使う
PROC MELEE-異常状態属性を持つ近戦兵器
PROCCAST-状態異常を使用するウィザード
HYBRID-ブレンド
レベル:ホストレベル
背景:マレニアのページ番号(合計2ページ)
Waterflow Death:マリアで死んだ究極の時期
位はマレニアの究極の時期の写真
Health Pct:受付が死亡したときのマリアの体力状態
ロcation:ボスの部屋で死んだ場所
Phantom Count:召喚した他のプレイヤー
1:いいえ、2:あります
Phantom Build:他プレイヤーのメイン攻撃武器
Phantom Death:受付より早く死んだのか
死亡分析
これは、魔法や状態異常を使用するプレイヤーが遠くで安全にゲームを行う傾向にあるためかもしれない.
フェードアウトの分析
今回は、どれだけの進度、つまり速度の進度があるかを分析してみましょう.
このような状況に基づいて、他のプレイヤーの助けはそれほど役に立たないことがわかります.
素晴らしい
究極の分析
モデリング
上の分析によると、私はもともと生存時間を予測したいと思っていました.
データ分析では、長く生きていても運転を続けることはできないと思います(逃げるだけです).
進捗を示す速度を予測することにした.
到達率予測モデル
KneighborsClassifier、LogisticRegression、およびRandom ForestClassifierのパラメータを調整して、最適な値を選択します.
パラメータ決定にGrid Searchを使用
KNeighborsClassifier結果
Grid Searchを使用してパラメータを調整します.
結果は次のとおりです.
LogisticRegression
Logistic回帰結果は以下の通り
RandomForestClassifier
結果は次のとおりです.
予測
上記の結果によると、KneighborsClassifierの結果が最も良いので、モデリングします.
求めたパラメータを入れて返してください.50%の精度を示しています.ほほほ...
まず、どの値が必要かを見てから、予測値を入れます.
前処理の過程で、Location、Host Build、Phantom Buildコラムが熱符号化された.
df = pd.get_dummies(df,columns=["Host_Build"])
df = pd.get_dummies(df,columns=["Phantom_Build"])
df = pd.get_dummies(df,columns=["Location"])
Phantom Death、Waterflow Deathはラベルコードを提供していますfrom sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
encoder.fit(df['Phantom_Death'])
digit_label = encoder.transform(df['Phantom_Death'])
df['Phantom_Death'] = digit_label
df['Waterflow_Death'] = df['Waterflow_Death'].apply(lambda x : 1 if x else 0 )
Phantom Deathの中で0の叫ぶプレーヤーはまだ死んでいないで、1の叫ぶプレーヤーは先に死んで、2の叫ぶプレーヤーはいませんWaterflow Deathでは、0は死んでいないことを示し、1は死んでいることを示している.
予測の開始
まず、私はエデンリンの時に占星術師(魔法使い)を務めたことがあります.等級は120を最後の基準とし、独奏です.
この情報に加えてマレニアの究極の時期に殺された時、何ページ目かになると思います.
作成されたデータは次のとおりです.
そして予測!!
1ページ...ううう
データを交換し、レベルを180にして、お手伝いできるプレイヤーを召喚します
歯が出てきた.
そして10秒で2ページの間にプレイヤーが多いデータを覚えて、10秒で死んでしまいます.
2ページの...
うん.10秒のデータが少ないため、このような結果になります.
n/a.結論
精度が低く、面白いアイテムになったのが少し残念でした.
これはこれからも勉強しなければならないことがたくさんあると思います.
Reference
この問題について(マレニアデータセットによる分析と予測), 我々は、より多くの情報をここで見つけました https://velog.io/@godo/말레니아-데이터셋을-활용한-분석-예측テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol