Analysis of real data from the game League of Legends
| Thesis title: | Analýza reálných dat ze hry League of Legends |
|---|---|
| Author: | Kubásek, Štěpán |
| Thesis type: | Bakalářská práce |
| Supervisor: | Chudán, David |
| Opponents: | Švarc, Lukáš |
| Thesis language: | Česky |
| Abstract: | Cílem této bakalářské práce je analyzovat reálná data využitím data miningových technik a výsledky analýzy interpretovat tak, aby pomohly maximálnímu počtu hráčů hry League of Legends. Analýza postupuje přesně podle metodiky CRISP-DM. K modelování jsou využity metody korelačních matic, k-means shlukování a gradient boosted rozhodovacích stromů poskytovaných nástrojem RapidMiner. Vybraný dataset obsahuje informace o zápasech hodnocených front hry League of Legends, je volně dostupný ke stažení z webové stránky Kaggle.com. Dataset podstupuje četné transformace a je rozdělen do čtyř různých podmnožin: týmové statistiky, hráčské statistiky, statistiky šampionů a drafty. Výsledkem analýzy týmových statistik je pořadí ideální důležitosti herních cílů. Výsledkem analýzy hráčských statistik je pořadí důležitosti vybraných herních prvků pro každou z pěti rolí. Tyto výsledky mohou být využity ke zlepšení rozhodovacího procesu hráčů v každém zápase. Výsledkem analýzy statistik šampionů je nová segmentace šampionů, kterou lze využít k rozšíření stávající segmentace a tím i usnadnit novým hráčům výběr šampionů. Výsledek analýzy draftů především potvrzuje relativně nízkou důležitost tohoto prvku na nižší a střední úrovni hraní. |
| Keywords: | analýza dat; CRISP-DM; data mining; dobývání znalostí z databází; League of Legends; RapidMiner |
| Thesis title: | Analysis of real data from the game League of Legends |
|---|---|
| Author: | Kubásek, Štěpán |
| Thesis type: | Bachelor thesis |
| Supervisor: | Chudán, David |
| Opponents: | Švarc, Lukáš |
| Thesis language: | Česky |
| Abstract: | The aim of this bachelor thesis is to analyse real data using data mining techniques and interpret the results of the analysis to help the maximum number of players who play the game League of Legends. The analysis precisely follows the CRISP-DM methodology and uses correlation matrices, k-means clustering, and gradient boosted decision trees provided by the RapidMiner tool. The selected dataset contains information about matches of ranked queues in League of Legends and is available for download from the Kaggle.com website for free. The dataset undergoes numerous transformations and is divided into four different subsets: team statistics, player statistics, champion statistics and drafts. The result of the team statistics analysis is ranking the ideal importance of game objectives. The result of the player statistics analysis is ranking the importance of selected game elements for each of the five roles. These results can be used to improve the players' decision-making process in every game. The result of the champion statistics analysis creates a new segmentation of champions, which can be used to expand the existing segmentation and thus make it easier for new players to select champions. The result of the draft analysis mainly confirms the relatively low importance of this game element at the lower to middle level of playing. |
| Keywords: | CRISP-DM; data analysis; data mining; knowledge discovery in databases; League of Legends; RapidMiner |
Information about study
| Study programme: | Aplikovaná informatika/Aplikovaná informatika |
|---|---|
| Type of study programme: | Bakalářský studijní program |
| Assigned degree: | Bc. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information and Knowledge Engineering |
Information on submission and defense
| Date of assignment: | 5. 5. 2020 |
|---|---|
| Date of submission: | 2. 5. 2021 |
| Date of defense: | 15. 6. 2021 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/73273/podrobnosti |