Koneoppimisen hyödyntäminen Counter-Strike 2 -ammattilaisotteluiden lopputulosten ennustamisessa

Abstract

Tämän opinnäytetyön tavoitteena on selvittää, kuinka tarkasti erilaisilla koneoppimismalleilla kyetään ennustamaan Counter-Strike 2 pelin PGL CS2 Major Copenhagen 2024 otteluiden voittajia. Työssä käydään läpi, kuinka Python ohjelmointikielellä luotiin ohjelma, jolla käytettävä data saatiin verkkoharavoitua ja kuinka data esikäsiteltiin ja analysoitiin ennen koneoppimismallien ajamista. Käytettävä data muodostui aluksi neljästä datakehyksestä, mutta datakehysten uudelleen muotoilulla saatiin lopulta aikaiseksi yksi datakehys opetusdatalle ja yksi harjoitusdatalle. Opetusdata koostui 687 ottelun tilastoista ja harjoitusdata 73 ottelusta.

Työssä päädyttiin käyttämään logistisen regression, päätöspuun, satunnaismetsän ja naiivin Bayesin koneoppimismalleja. Valittujen koneoppimismallien ja niiden suorituskykyä mitanneisiin mittareihin perehdytään ennen tuloksien vertailua. Tuloksia pyrittiin vertailemaan osuvuuden, tarkkuuden, herkkyyden, F1-arvon ja sekaannusmatriisien avulla.

Tuloksista saatiin selville, että naiivin bayesin kategorinen koneoppimismalli suoriutui ottelujen lopputuloksen ennustamisessa parhaiten saavuttaen 66 % osuvuuden. Satunnaismetsä saavutti 64 % osuvuuden, mutta sen muut suorituskykyä mitanneet arvot paljastivat, että malli ei ollut käyttökelpoinen. Tuloksista nähtiin, että pelaajakohtainen data, jota tässä työssä käytettiin mallien opettamiseen ei ollut optimaalinen. Joukkuekohtaista dataa hyödyntämällä voitaisiin saavuttaa parempia tuloksia. Kaiken kaikkiaan Counter-Strike otteluissa on niin paljon satunnaisuutta, että todella tarkkojen mallien rakentaminen on todella haastavaa.

The aim of this thesis is to investigate how accurately different machine learning models can predict the winners of matches in the Counter-Strike 2 game PGL CS2 Major Copenhagen 2024. The thesis describes how a program was created using the Python programming language which was used to web scrape the necessary data. Then the data was preprocessed and analyzed before running machine learning models. Initially, the data consisted of four datasets, but by reshaping the data frames, one dataset for training and one for testing were eventually created. The training data consisted of statistics from 687 matches, while the testing data consisted of 73 matches.

This thesis opted to use logistic regression, decision tree, random forest, and naive Bayes machine learning models. The selected machine learning models and the metrics used to measure their performance are discussed before comparing the results. The results were compared using accuracy, precision, recall, F1-score, and confusion matrices.

The results revealed that the categorical naive Bayes machine learning model performed best in predicting the outcomes of matches, achieving an accuracy of 66%. Random forest achieved an accuracy of 64%, but other performance metrics indicated that the model was not useful. The results indicated that player-specific data, used in this study to train the models, was not optimal. Utilizing team-specific data could lead to better results. Overall, due to the inherent randomness in Counter-Strike matches, building highly accurate models is extremely challenging.