Avtomatsko prepoznavanje vedenjskih vzorcev

delo diplomskega seminarja

Martin Molan (Avtor), Andrej Bauer (Mentor), Martin Žnidaršič (Komentor)

Povzetek

Naloga obravnava izgradnjo napovednih modelov na osnovi realnih podatkov. Cilj opisanih postopkov je modeliranje in napovedovanje obnašanja igralcev v igralniški industriji. Osnova za izdelavo napovednega modela je priprava podatkov za algoritme strojnega učenja. Uspešnost obdelave realnih podatkov z nečistočami in napakami pomembno vpliva na možnost izgradnje smiselnega napovednega modela. Prvi cilj modeliranja vedenja je izgradnja modela, ki napoveduje, ali bo igralec naredil drugi depozit. Natančnost razvitega modela zadostuje potrebam domene in je primerna za implementacijo v praksi. Drugi cilj modeliranja je izgradnja širšega napovednega modela, ki opisuje razvoj posameznikovih igralnih navad. Predstavljena je smiselnost drugega pristopa in njegova skladnost z zahtevami domene. Preizkus napovedne moči širšega napovednega modela presega okvire te naloge saj je dolgotrajna in zahteva veliko specifičnega domenskega znanja.

Ključne besede

matematika;strojno učenje;nadzorovano učenje;nenadzorovano učenje;napovedno modeliranje;modeliranje vedenja;igralniška industrija;umetna inteligenca;odločitveno drevo;naključni gozd;segmentacija;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2018
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UL FMF - Fakulteta za matematiko in fiziko
Založnik:	[M. Molan]
UDK:	004.8
COBISS:	18435161
Št. ogledov:	873
Št. prenosov:	241
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Automatic recognition of behavioral patterns
Sekundarni povzetek:	This thesis explores development of predictive models on real life datasets. The goal of approaches, described in this thesis, is modeling and prediction of players' behavior in casino industry. The basis for creation of predictive model is preparation of real life datasets for machine learning algorithms. Sensible curation of real life datasets that include missing values, inaccuracies and other noise determines the possibility for development of accurate predictive models. First goal of predictive behavioral modeling is creation of automated prediction model that predicts if the player will make a second deposit. Accuracy of developed model is sufficient for implementation in real life casino operation. Second goal is to develop broader predictive model that describes and predicts development of player’s behavior. Sensibility of proposed approach and its compliance with domain demands is presented. Real predictive strength of proposed model is out of scope of this work as it requires a lot of additional domain knowledge.
Sekundarne ključne besede:	mathematics;machine learning;supervised learning;unsupervised learning;predictive modeling;behavioral modeling;casino industry;artificial intelligence;decision tree;random forest;clustering;
Vrsta dela (COBISS):	Delo diplomskega seminarja/zaključno seminarsko delo/naloga
Študijski program:	0
Komentar na gradivo:	Univ. v Ljubljani, Fak. za matematiko in fiziko, Oddelek za matematiko, Matematika - 1. stopnja
Strani:	30 str.
ID:	10959813