用于 DOTA 2 比赛结果预测的机器学习模型
机器学习
2021-06-04 v1
摘要
实时多人在线战术竞技(MOBA)游戏比赛结果预测是电子竞技分析研究中最为重要且引人入胜的任务之一。本研究论文主要关注构建预测性机器学习与深度学习模型，利用多步前向预测新方法，通过 Dota 2 MOBA 游戏识别比赛结果。我们研究并比较了三种模型：线性回归(LR)、神经网络(NN)以及一种循环神经网络长短期记忆(LSTM)。为实现目标，我们使用游戏状态集成(GSI)开发了数据收集 python 服务器以追踪玩家的实时数据。在完成探索性特征分析与超参数调优后，我们的模型实验在不同游戏经验背景的玩家上进行。所达准确率分数依赖于多步前向预测参数，线性回归最差情况为 69% 但平均 82%，而深度学习模型中 NN 平均预测准确率最高达 88%，LSTM 模型为 93%。
引用
@article{arxiv.2106.01782,
title = {Machine learning models for DOTA 2 outcomes prediction},
author = {Kodirjon Akhmedov and Anh Huy Phan},
journal= {arXiv preprint arXiv:2106.01782},
year = {2021}
}
备注
11 pages, 12 figures, the paper will be published in IEEE Transactions on Games Journal