PlayerUnknown BattleGround 中的适者生存
机器学习
2019-05-16 v1 人工智能
机器学习
摘要
本文的目标是预测多人游戏 PUBG（playerunknown battleground）中的排名。在游戏中，最多一百名玩家跳伞至一座岛屿，搜寻武器与装备以击杀他人，同时避免自己被击杀。游戏地图的可用安全区域随时间缩小，将幸存玩家驱赶至更紧凑的区域以迫使遭遇。最后存活的玩家或队伍赢得该回合。具体而言，本文中我们尝试预测玩家在终极生存测试中的排名。数据集取自 Kaggle。完整数据集含 29 个属性，归类于 1 个标签（winPlacePerc），训练集有 450 万条实例，测试集有 190 万条。winPlacePerc 为连续类别，这使得预测适者生存更为困难。为克服该问题，我们应用了多种机器学习模型以寻找最优预测。模型包含 LightGBM Regression（Light Gradient Boosting Machine Regression）、MultiLayer Perceptron、M5P（C4.5 的改进）与 Random Forest。为度量错误率，采用了平均绝对误差。最终预测我们分别取得了 0.02047、0.065、0.0592 和 0.634 的 MAE。
引用
@article{arxiv.1905.06052,
title = {Survival of the Fittest in PlayerUnknown BattleGround},
author = {Brij Rokad and Tushar Karumudi and Omkar Acharya and Akshay Jagtap},
journal= {arXiv preprint arXiv:1905.06052},
year = {2019}
}
备注
14 pages, 9 figures