leetcoderust-Text-Mining-in-DotA-2:DotA2中的机器学习

系统开源

leetcode 锈DotA 2 中的文本分析：通过跨团队聊天预测胜利斯里加内什·戈帕尔、里斯·布拉姆、贾里德·罗伯逊、韦恩·吉允许匿名使用。抽象的 DotA 2 是一款在线 MOBA 视频游戏，让两支由五名玩家组成的团队在基于策略的争吵中相互对抗以摧毁另一个基地。我们从开源 DotA 2 数据收集平台 OpenDota API () 收集了大约 31,000 场 DotA 2 比赛的数据。整理匹配后，我们将快速聊天 ping 和预设短语转换为与常规聊天的格式保持一致。我们使用空格作为我们唯一的分隔符，从这个字符串化的游戏聊天中创建了单个字数的数据框，将每个游戏分成 2 行以区分输赢。有了这个数据框，我们运行了几个分类模型，试图根据游戏聊天来预测一个团队是否会获胜。我们的峰值分类率来自我们的随机森林分类器模型，正确预测结果的概率为 61.48%。这可能看起来很低，但这比预期的要好，因为游戏是通过匹配来平衡技能和行为得分的，因此克服标准化因素非常好。一、简介 1.1 动机已经有许多研究和研究项目试图基于统计来预测游戏结果，这不是一个陌生的概念。然而，这些项目已经植

文件下载

资源详情

[{"title":"（ 332 个子文件 1.31GB ） leetcoderust-Text-Mining-in-DotA-2:DotA2中的机器学习","children":[{"title":".gitignore 736B ","children":null,"spread":false},{"title":"script.ipynb 122.80KB ","children":null,"spread":false},{"title":"image_0.png 19.42KB ","children":null,"spread":false},{"title":"image_5.png 19.65KB ","children":null,"spread":false},{"title":"image_1.png 7.38KB ","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"文件过多，未全部展示","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

leetcoderust-Text-Mining-in-DotA-2:DotA2中的机器学习

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载