机构名称：
¥ 1.0
摘要：本研究深入研究了机器学习技术以分析蒸汽平台上的游戏受欢迎程度。Utilizing a diverse array of algorithms such as logistic regression, Support Vector Machine (SVM) ， decision tree, Gradient Boosting (XGBoost) ， Light Gradient Boosting Machine (LightGBM or LGBM), Deep Neural Networks (DNNs), and Convolutional Neural Networks (CNN), the research focuses on predicting game popularity through a thorough analysis of the Steam game dataset.该报告精心概述了数据准备的阶段，包括数据清洁和功能工程，然后构建各种预测模型及其后续的性能评估。值得注意的是，LGBM具有明显的优势，其精度为88.17％，AUC为80.36％。对Steam游戏的调查不仅在战略规划和减轻风险中艾滋病游戏开发人员和公司，而且还为玩家社区管理员增强社区管理提供了宝贵的见解。全面的方法强调了机器学习在解释游戏行业内的市场趋势和玩家偏好方面的重要潜力。
基于机器学习的蒸汽平台游戏的普及分析
主要关键词
相关文件推荐
