PUBG玩家排名预测

成员

• 李敏琴（3220190826）
• 劳安（3220190818）
• 杨雅逸（3220190909）
• 殷昕（3120191067）

问题描述

1、问题背景及分析

大逃杀风格的电子游戏风靡全球，PlayerUnknown’s BattleGrounds (PUBG) 享有巨大的人气。它的销量超过5000万份，是有史以来第五大畅销游戏，月活跃玩家达数百万。在PUBG游戏中，每场比赛最多有100名玩家。玩家可以分到不同的队伍，比赛结束后，根据被淘汰时其他队伍还有多少人活着的情况进行排名。在游戏中，100名玩家空手降落在一个岛屿上，玩家可以拾取不同的枪支、子弹、医疗物品等，复活被击倒但未被淘汰的队友，驾驶车辆，游泳，奔跑，射击。在PUBG中，最好的胜利策略是什么？玩家应该坐在一个点位上苟着等待胜利，还是要做顶尖刚枪高手?

项目要解决的问题就是：

如何利用超过65,000场比赛的匿名玩家数据（包括击落的敌方玩家数量、造成的总伤害、使用的治疗物品数量、玩家存活时间、步行/车辆行驶/游泳的总距离等28条相关信息），建立合适的模型，根据最终的比赛统计和初始玩家评分来预测最终的排名？

目前所想到的方法就是首先对数据集进行数据分析，看看是否存在缺失值或者异常值。若存在缺失值，则对缺失值进行填充或者删除处理，若存在异常值则对异常值进行删除或者修正处理，并可视化分析数据。然后将处理好的数据集分成训练集和测试集，用训练集来训练一个排名预测模型，然后对模型的预测结果进行分析，并与真实的排名信息进行对比可视化分析，对咱们的模型预测方法进行评估。

2、问题描述

2.1 数据准备

从kaggle上挑选了PUBG Finish Placement Prediction数据集，包含两个.csv文件：train_V2.csv和test_V2.csv。每一行都包含一个玩家的赛后统计信息。但test_V2.csv文件里面缺失了排名信息，所以我们最终使用的数据集是train_V2.csv文件，将其进行处理并划分为训练集和测试集。

2.2 准备采用的方法或模型

在数据预处理之后，采用LR、SVM、DecisionTree以及MLP等几种机器学习方法进行对比实验。

2.3 预期的挖掘结果

根据经验，理论上来说，通过训练一个预测模型应该能得到还不错的排名预测结果，根据这个预测结果与真实结果做对比评估，应该能分析出其他属性特征与排名属性的相关性，从而得到还不错的挖掘结果。

项目评估

采用预测的winPlacePerc与观察到的winPlacePerc之间的平均绝对误差进行评估。

项目分工

• 李敏琴： 负责预测模型的训练和模型性能的评估
• 劳安：负责预测模型的训练和模型性能的评估
• 杨雅逸：负责对预测之前的数据进行分析并对预测前后的数据进行分析
• 殷昕：负责对预测之后的数据进行分析并对预测前后的数据进行分析