ЗАСТОСУВАННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ СТАТИСТИЧНОГО АНАЛІЗУ ТА ПРОГНОЗУВАННЯ КІБЕРСПОРТИВНОЇ ГАЛУЗІ

Анотація

У статті розглянуто динаміку та поведінку кіберспортивної індустрії на світовому рівні та стан кіберспорту як індустрії в Україні. Визначено основні досягнення кіберспортивної сфери України. Проведено статистичний аналіз доходу кіберспортивної індустрії, сукупної аудиторії кіберспортивних ігор, постійних та пересічних глядачів змагань на основі аналізу варіації, моди, показників асиметрії та ексцесу розподілу. Для досягнення цілей дослідження було використано метод експоненційного згладження та метод опорних векторів. SVM є методом машинного навчання, який використовується для вирішення задач класифікації та регресії. Як і для класичної моделі регресії основою підходу є знаходження функції підгонки емпіричних даних. Обрані методи дозволили підготувати дані для аналізу та побудувати регресійні SVM-моделі з ядром на основі радіально-базисних функцій. Побудовані моделі для доходу кіберспорту та пересічних глядачів кіберспорту мають тип epsilon-SVM, а для світової аудиторії кіберспорту та постійних глядачів кіберспорту – nu-SVM. Доведена адекватність побудованих моделей на основі аналізу залишків моделі. Здійснено прогнозування вхідних показників. Визначено, що до 2025 року очікується постійне зростання доходу від кіберспортивної діяльності, що означає постійний розвиток та вдосконалення супутньої до кіберспорту інфраструктури. Визначено важливість та необхідність державної підтримки розвитку кіберспорту на всіх рівнях: від організації турнірних площадок до проведення регіональних, шкільних, аматорських турнірів. Отримані результати можуть бути використані Федерацією кіберспорту України, кіберспортивними організаціями, дослідниками для обгрунтування необхідності розвитку кіберспорту в Україні.