Predikce výsledků Esportových zápasů

Marek Bezvoda

Bachelor's thesis

Predicting the results of esports matches

Anotácia:

Tato bakalářská práce se zabývá predikcí výsledků esportových zápasů s použitím logistické regrese ve hrách Counter-Strike: Global Offensive a Counter-Strike 2 (CS:GO, CS2). Součástí práce je zpracování a analýza dat z esport databází. Model logistické regrese je vytvářen v programovacím jazyce R. Metoda řízených rozhovorů byla stěžejní pro zisk informací o esport týmech a pro rozhodování při predikcích. Při práci s daty byla použita metoda analýzy dat pro vypracování popisné statistiky. Predikční model byl odhadnut použitím metody logistické regrese. Pro získání dat je v práci použita esport databáze HLTV. Získaná data jsou následně zapsána a analyzována v programu Excel s použitím funkce popisné statistiky. Vzniklý dataset je použit jako vstupní data pro práci v programu RStudio. Práce v programu RStudio je vykonána s použitím dodatečných knihoven a balíčků pro výpis grafů. Po použití statistických funkcí, je výstupem programu model logistické regrese. Odhadnutý model je dále podroben popisu s použitím relevantních metrik v oblasti predikčních modelů. S kompletním modelem pro predikce, byl cíl této práce splněn. Výsledný model logistické regrese predikuje esport zápasy s přesností 66 %. Při této predikci bylo též vypočteno, že největší vliv na predikci má proměnná obsahující rozdíl ve světovém umístění týmů. Přesnost modelu logistické regrese je v tomto případě nedostatečná pro spolehlivý odhad zápasů esport, ačkoliv je výše přesnosti uspokojivá.

Abstract:

This bachelor's thesis investigates predictions of esports matches using logistic regression. More specifically, in games Counter-Strike: Global Offensive and Counter-Strike 2(CS:GO, CS2). Data analysing and data processing is done with using esport databases. Logistic regression model is generated using R programming language. A method of structured interview was crucial for obtaining information about esport teams and for making predictions. A method of data analysis was used to create descriptive statistics. The prediction model was generated using the logistic regression method. The main data source for this thesis is esport database HLTV. The obtained data is then copied and analysed in Excel with using the function of descriptive statistics. The final dataset is used as input data for the code in RStudio. The code in R is made using external libraries and packages for generating graphics. After the use of statistical functions, the output is a generated logistic regression model. This estimated model is then described using relevant metrics in the field of prediction models. With the completed prediction model, the goal of this thesis has been achieved. The final logistic regression model predicts esports matches with accuracy of 66 %. It was also calculated that the variable containing the difference in world ranking of the teams has the greatest influence on the prediction. In this case, the accuracy of the logistic regression model is not sufficient to reliably estimate esports matches, even though the overall value is satisfactory.

Kľúčové slová

esport, Counter-Strike, logistická regrese, predikce

Keywords

logistic regression, esport, Counter-Strike, prediction

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 5. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 13. 6. 2024
• Vedúci: Jan Rejthar
• Oponent: Dominik Kavřík

Vysoká škola ekonomická v Praze

Bachelor programme:
Aplikovaná informatika