Predicción de resultados de partidas de TFT a través del Machine Learning

Sánchez Blanco, Juan (2022). Predicción de resultados de partidas de TFT a través del Machine Learning. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Predicción de resultados de partidas de TFT a través del Machine Learning
Author/s:
  • Sánchez Blanco, Juan
Contributor/s:
  • Ortega Requena, Fernando
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: June 2022
Subjects:
Freetext Keywords: Videojuegos; Machine learning; Procesamiento de datos; Algoritmos
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB)
[img] Archive (ZIP) - Users in campus UPM only
Download (1MB)

Abstract

En muchos videojuegos existe un alto componente de aleatoriedad del que los jugadores siempre se quejan. En este proyecto se va a tratar de demostrar que el efecto que esto supone no es tan grande como la mayoría de jugadores creen, y predomina la habilidad del jugador por encima de su suerte. El estudio se va a hacer concretamente sobre el juego Teamfight Tactics (TFT).Partiendo de una compilación de datos de resultados de partidas, la intención es que un algoritmo de Machine Learning (ML) aprenda a predecir el resultado de los jugadores basándose únicamente en su equipo final. De esta forma quedaría demostrado que el equipo final es importante y existen variables que hace a unos equipos mejores que otros.En el proceso del entrenamiento de los algoritmos, se han empleado múltiples técnicas típicas del ML. Se ha realizado el tratamiento de los datos necesario y los ajustes en los algoritmos para obtener los mejores resultados posibles. El resultado de las ejecuciones ha sido el esperado: el algoritmo era capaz de predecir la posición en uno de cada tres casos con un error medio de una posición arriba o abajo, lo que se considera un resultado satisfactorio y entra dentro de los objetivos. Por tanto se ha podido concluir que aunque existan otros factores de aleatoriedad que no han podido ser estudiados en este proyecto, en lo que respecta a la posición final en función del equipo sabemos que la aleatoriedad no es un factor relevante y depende más del jugador de lo que se cree. Abstract: In many video games there is a high component of randomness that players always complain about. In this project we are going to try to demonstrate that the effect of this is not as important as most players think, and the player’s skill prevails over their luck. The study is going to be done specifically on the game TFT. Starting from a compilation of game results data, the intention is that an algorithm of ML learns to predict the outcome of players based solely on their final team. Thus, it would be demonstrated that the final team is important and there are variables that make some teams better than others. In the process of training the algorithms, multiple techniques typical of ML have been used. The necessary data processing and algorithm adjustments have been made to obtain the best possible results. The result of the executions has been as expected: the algorithm was able to predict the position in one out of three cases with an average error of one position up or down, which is considered a satisfactory result and within the objectives. Therefore, it has been possible to conclude that although there are other randomness factors that could not be studied in this project, regarding the final position depending on the team, we know that randomness is not a relevant factor and depends more on the player than it is thought.

More information

Item ID: 71142
DC Identifier: https://oa.upm.es/71142/
OAI Identifier: oai:oa.upm.es:71142
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 12 Jul 2022 14:46
Last Modified: 12 Jul 2022 14:46
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM