有序 Lasso-Logistic 模型的电竞角色选择应用分析

来源：计算机技术与发展杂志2021年第03期北京时间：

作者：王白云;沈春根

摘要：电竞行业近几年来迅速发展,这其中离不开机器学习在电竞中的分析和应用。职业选手能够熟悉电竞角色往往需要一定的时间和经验,采用机器学习对电竞角色进行分析,有利于选手对角色选择的考虑, 为职业选手的训练和比赛提供数据支持,体现预测模型的分析效果。 基于电竞结果通常为二分类数据,为了更好地利用先验信息,将自变量对因变量发生的不同重要性归结到 Lasso-Logistic 模型中形成有序 Lasso-Logistic 模型, 通过有序 Lasso-Logistic 模型分析电竞角色数据,对电竞结果进行预测。 根据结果显示,有序 Lasso-Logistic 模型预测效果显著, 将有序 Lasso-Logistic 模型预测结果与逻辑回归模型,Lasso-Logistic 模型,梯度增强决策树模型以及 SVM 模型的预测结果相比较,增加了先验信息的有序Lasso-Logistic 模型的预测效果明显比其他四个机器学习模型更佳,表明了有序 Lasso-Logistic 模型在机器学习中对分类数据相比经典分类模型具有更好的分析能力,突出自变量先验信息重要的作用,推动了机器学习在电子竞技行业的应用与发展。

关键词：机器学习;有序 Lasso-Logistic 模型;电竞;预测;先验信息