기계학습을 활용한 게임승패 예측 및 변수중요도 산출을 통한 전략방향 도출

Abstract

본 연구에서는 게임 초반 10분의 데이터를 이용하여 리그오브레전드 게임의 최종승패를 랭크별로 예측하고, 구축된 승패예측 모형으로부터 변수중요도를 추출하여 승리를 위한 초반 게임운영의 방향성을 알아보았다. 그 결과 모든 랭크에서 70% 이상의 정확도로 승패를 예측할 수 있었다. 이는 경기 양상이 대부분 뒤집히지 않고 최종승패로 이어지는 것을 의미하며, 이러한 경향성은 상위 랭크로 갈수록 더욱 강하게 나타났다. 랭크와 무관하게 킬(데스)가 초반 게임에서 최종승패에 가장 큰 영향을 미치는 요소로 나타났으나, 일부 변수는 랭크에 따라 중요도 순위가 변화하였고 이는 유저가 속한 랭크에 따라 승리에 효과적인 초반 전략방향에 차이가 있음을 시사한다.