PREVISÃO DO CUSTO DE CARTAS EM LEGENDS OF RUNETERRA UTILIZANDO RANDOM FOREST
UMA ABORDAGEM DE APRENDIZADO DE MÁQUINA PARA ANÁLISE DE DADOS DE JOGOS ELETRÔNICOS
Palavras-chave:
Aprendizado de máquina, Random Forest, Modelagem preditiva, Treinamento Supervisionado, Jogos eletrônicosResumo
A inteligência artificial (IA) e o aprendizado de máquina (machine learning) estão revolucionando a análise de dados e a tomada, incluindo jogos eletrônicos. Este estudo aplicou a técnica de Random Forest, um algoritmo de aprendizado de máquina, para analisar e modelar dados de cartas do jogo Legends of Runeterra (LoR). O objetivo foi construir um modelo preditivo para estimar o custo de uma carta com base em seus atributos e explorar a distribuição dos tipos de carta no jogo. A metodologia envolveu a análise exploratória de um conjunto de dados público contendo informações sobre as cartas do LoR, utilizando as bibliotecas Python Pandas, NumPy, Matplotlib, Seaborn e Scikit-learn. O modelo de Random Forest foi treinado e testado em subconjuntos dos dados. Seu desempenho foi avaliado utilizando o erro quadrático médio (MSE) e o coeficiente de determinação (R²). Os resultados revelaram insights sobre a distribuição do custo e dos tipos de carta no jogo, com a maioria das cartas apresentando custo baixo e as cartas do tipo "Unidade" sendo as mais frequentes. O modelo preditivo alcançou um R² de 0.516, indicando que explica 51.6% da variância no custo das cartas. Este estudo demonstra o potencial do aprendizado de máquina para analisar dados de jogos eletrônicos e auxiliar jogadores e desenvolvedores na tomada de decisões estratégicas. As conclusões abrem caminho para futuras pesquisas que explorem outros algoritmos de aprendizado de máquina e atributos das cartas, visando aprimorar a precisão do modelo preditivo e aprofundar a compreensão das dinâmicas do jogo.Arquivos adicionais
Publicado
2024-09-09
Edição
Seção
Artigos
Licença
Copyright (c) 2024 Revista Científica da UNIFENAS - ISSN: 2596-3481
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Clique no link abaixo para fazer download do arquivo de Declaração de Direitos Autorais. Preencha seus campos, com as respectivas assinaturas dos autores no formato de imagens e o insira como arquivo suplementar em sua submissão.
Declaração de responsabilidade e transferência de direitos autorais