Python in context of statistical analysis
| Thesis title: | Využití jazyka Python v kontextu statistických analýz |
|---|---|
| Author: | Jagoš, Marek |
| Thesis type: | Bakalářská práce |
| Supervisor: | Kováč, Stanislav |
| Opponents: | Čabla, Adam |
| Thesis language: | Česky |
| Abstract: | Cílem této bakalářské práce je využít programovací jazyk Python v kontextu statistických analýz a analyzovat datový soubor ze hry League of Legends. První část práce se zabývá problematikou získávání aktuálních dat ze zmíněné videohry, pro kterou je stanovený výběr zápasových dat jako hodnocené hry, které obsahují alespoň jednoho hráče s divizí Challenger. Pro tento proces je postavena krátká aplikace, která zprostředkovává komunikaci s Riot Games API, data zpracovává a předává je statistickému procesu. Dalším zdrojem dat je herní wiki, ze které jsou pomocí metod webscrapingu staženy třídy hrdinů. Je vytvořen klasifikační logistický regresní model, který klasifikuje výsledek hry na základě celkem sedmi agregovaných proměnných pro daný tým. Pro maximalizaci věrohodnostní funkce je vybrána Newton-Raphsonova iterační metoda. Dále je provedena analýza možných kvantifikací výkonnosti hráče, kde je analyzováno chování proměnných koeficientu KDA a možných dopadů snowball efektu na jeho proměnné, nebo vlivy různých hrdinů a jejich tříd na počet zabitých poskoků. |
| Keywords: | Python; logistická regrese; datová analýza; Riot Games API; League of Legends |
| Thesis title: | Python in context of statistical analysis |
|---|---|
| Author: | Jagoš, Marek |
| Thesis type: | Bachelor thesis |
| Supervisor: | Kováč, Stanislav |
| Opponents: | Čabla, Adam |
| Thesis language: | Česky |
| Abstract: | This bachelor's thesis aims to use Python in the context of statistical analysis to analyse a dataset consisting of League of Legends matches. The work begins by building an application that downloads up-to-date data from the videogame, for which the target population are matches that were participated by at least one Challenger-rated player. This application handles communication with Riot API, transforms the data, and handles them off to the statistical process. Another data source is the game's wiki from which champion classes are downloaded by using webscraping. A classification logistic regression model that classifies result of matches based on seven aggregated variables is created. Maximum likelihood function is maximized using Newton-Raphson iterative method. Further, possible ways of measuring player's performance are explored. Firstly, KDA coefficient variables are analysed to discover possible effects of snowball. Secondly, the relationship between minions and champions with their classes is analysed. |
| Keywords: | Python; logistic regression; data analysis; Riot Games API; League of Legends |
Information about study
| Study programme: | Kvantitativní metody v ekonomice/Statistické metody v ekonomii |
|---|---|
| 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 Statistics and Probability |
Information on submission and defense
| Date of assignment: | 23. 2. 2022 |
|---|---|
| Date of submission: | 8. 5. 2023 |
| Date of defense: | 15. 6. 2023 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/79859/podrobnosti |