표제지
논문요약
목차
제1장 서론 9
제1절 연구 배경 9
제2절 연구 문제 11
제3절 연구 목적 11
제4절 연구 필요성 및 기대효과 12
제5절 는문 구성 14
제2장 관련 연구 15
제1절 기계학습이란 15
제2절 기계학습을 이용한 스포츠 승패 예측 관련 연구 17
제3절 LOL 승패 예측 관련 연구 18
제1관 본 연구의 차별성 20
제3장 실험 설계 및 구현 21
제1절 모형 설계 과정 21
제2절 분석 방법 설명 23
제1관 승패 예측 모형 23
제2관 지표 제시 25
제3절 수집 데이터 및 전처리 26
제1관 팀별 데이터 27
제2관 변수 스케일링 28
제4절 최종 연구 데이터 31
제1관 승패 예측 모형 31
제2관 지표 제시 32
제4장 실험 결과 33
제1절 Logistic Regression을 이용한 승패 예측 분석 33
제1관 다중공선성 확인 33
제2관 최적 변수 선택 34
제3관 Logistic Regression 모형 설계 36
제2절 Decision Tree을 이용한 승패 예측 분석 38
제3절 교차 검증 및 모형 평가 40
제4절 지표 제시 (EPR, LPR) 41
제1관 EPR 42
제2관 LPR 42
제3관 지표 분석 43
제5장 결론 및 향후 연구 45
제1절 연구 결론 및 성과 45
제2절 연구 한계점 및 향후 연구 48
참고문헌 49
ABSTRACT 52
표 1. 역대 LOL 월드 챔피언십 우승·준우승팀 12
표 2. 기계학습의 정의 및 알고리즘 16
표 3. LOL 승패 예측 연구 비교 19
표 4. 원시 데이터 26
표 5. 플레이어별 데이터 변수 설명 27
표 6. 팀별 데이터로 변환 결과 및 변수 설명 27
표 7. 변수 스케일링 전·후 기술통계량 30
표 8. 승패 예측 모형 최종 변수명 및 설명 31
표 9. 지표 제시에 사용될 Logistic Regression 모형 최종 변수명 및 설명 32
표 10. 변수들의 VIF 값 33
표 11. Decision Tree 모형 요약 39
표 12. 모형 성능 지표 40
표 13. 경기 시간대별 경기 양상 분류 42
표 14. LCK 2020 Summer 시즌 10개 팀 경기 데이터 및 지표 43
표 15. Logistic Regression, Decision Tree 두 모형의 변수 중요도 비교 45
그림 1. E-sports 시장 규모 추이 9
그림 2. LOL 승패 예측 및 지표 제시 프로세스 21
그림 3. Logistic Regression의 Sigmoid 함수 그래프 24
그림 4. Z 변환 후의 데이터 분포와 변환 식... 28
그림 5. [0,1] 변환 후의 데이터 분포와 변환 식... 28
그림 6. 상자 그림 해석 29
그림 7. "team_KDA" 변수의 상자 그림 29
그림 8. 단계선택법 결과 35
그림 9. Logistic Regression 모형 요약 36
그림 10. Logistic Regression 모형 변수 중요도 37
그림 11. Decision Tree 모형 시각화 38
그림 12. Decision Tree 모형 변수 중요도 39