dc.creator.ID |
SILVA JUNIOR, J. B. |
pt_BR |
dc.contributor.advisor1 |
CAMPELO, Cláudio Elízio Calazans. |
|
dc.contributor.advisor1ID |
CAMPELO, C. E. C. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2042247762832979 |
pt_BR |
dc.contributor.referee1 |
BAPTISTA, Cláudio de Souza. |
|
dc.contributor.referee2 |
BRASILEIRO, Francisco Vilar. |
|
dc.description.resumo |
Este artigo apresenta um estudo sobre a predição de resultados em partidas do jogo eletrônico
League of Legends (LoL) utilizando técnicas de aprendizado de máquina. Com o objetivo de explorar a
capacidade de prever resultados em tempo real, considerando diferentes variáveis e estágios da
partida, destacamos o uso de dados inéditos como parte fundamental desse processo. Com o
aumento da popularidade do LoL e a realização de torneios, surgiram também as apostas
relacionadas ao jogo, tornando ainda mais relevante a investigação nessa área. Diversos modelos
foram avaliados e os resultados foram encorajadores. O modelo baseado em Random Forest obteve o
melhor desempenho, alcançando uma acurácia média de 81,57% em estágios intermediários da
partida, quando a porcentagem de tempo decorrido estava entre 60% e 80%. Por outro lado, os
modelos de Regressão Logística e Gradient Boosting mostraram-se mais eficazes em estágios iniciais
do jogo, com resultados promissores. Esse estudo contribui para o campo de aprendizado de
máquina aplicado a jogos eletrônicos, fornecendo insights valiosos sobre a predição em tempo real
no League of Legends. Os resultados obtidos podem ser relevantes tanto para os jogadores que
desejam aprimorar suas estratégias quanto para a indústria de apostas relacionada ao jogo. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Ciência da Computação. |
pt_BR |
dc.title |
League of Legends: predição de resultados em tempo real. |
pt_BR |
dc.date.issued |
2023-06-28 |
|
dc.description.abstract |
This paper presents a study on the prediction of outcomes in matches of the electronic game League
of Legends (LoL) using machine learning techniques. With the aim of exploring the ability to predict
real-time results, considering different variables and stages of the match, we highlight the use of
unpublished data as a fundamental part of this process. With the increasing popularity of LoL and the
emergence of tournaments, betting related to the game has also emerged, making the investigation
in this area even more relevant. A variety of models were evaluated and the results were
encouraging. A model based on Random Forest showed the best performance, achieving an average
accuracy of 81.57% in intermediate stages of the match when the percentage of elapsed time was
between 60% and 80%. On the other hand, the Logistic Regression and Gradient Boosting models
proved to be more effective in early stages of the game, with promising results. This study contributes
to the field of machine learning applied to electronic games, providing valuable insights into real-time
prediction in League of Legends. The results obtained may be relevant for both players seeking to
improve their strategies and the betting industry related to the game. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30488 |
|
dc.date.accessioned |
2023-06-30T16:13:02Z |
|
dc.date.available |
2023-06-30 |
|
dc.date.available |
2023-06-30T16:13:02Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Predição de resultados |
pt_BR |
dc.subject |
League of Legends - predição de resultados |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Modelos de predição |
pt_BR |
dc.subject |
Apostas |
pt_BR |
dc.subject |
Estratégias de jogo |
pt_BR |
dc.subject |
Random Forest - modelo |
pt_BR |
dc.subject |
League of Legends - prediction of results |
pt_BR |
dc.subject |
Machine learning |
pt_BR |
dc.subject |
Prediction models |
pt_BR |
dc.subject |
Bets |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
SILVA JUNIOR, Jailson Barros da. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
League of Legends: prediction of results in real time. |
pt_BR |
dc.identifier.citation |
SILVA JUNIOR, Jailson Barros da. League of Legends: predição de resultados em tempo real. 2023. 13f. (Trabalho de Conclusão de Curso - Artigo), Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30488 |
pt_BR |