Mostrar el registro sencillo del ítem

dc.contributor.authorDarias Jojorina, Alexei 
dc.date.accessioned2019-03-13T12:14:05Z
dc.date.available2019-03-13T12:14:05Z
dc.date.issued2018
dc.identifier.isbn978-84-7993-524-5
dc.identifier.urihttp://hdl.handle.net/10334/3953
dc.description73 páginas.es
dc.description.abstractTrabajo de Máster en Economía, Finanzas y Computación. Director: Dr. Emilio Congregado Ramírez de Aguilera. La industria de videojuegos para móviles ha crecido vertiginosamente en la actualidad y las empresas del sector dedican un gran esfuerzo para aumentar la retención de sus usuarios y la monetización. Un aspecto fundamental para la toma de decisiones es la predicción de jugadores que abandonan y/o realizan pagos dentro de los juegos. El objetivo de la presente investigación es predecir abandonos y pagos en un juego de la empresa Genera Games. Para ello se realizó el proceso de Descubrimiento de Conocimiento en Bases de Datos, desde la extracción de datos hasta el reconocimiento de patrones. Se utilizaron los métodos de clasificación binaria Regresión Logística, Bosques Aleatorios y Potenciación del Gradiente. El procesamiento computacional se hizo mediante SQL, R, Python y el software de análisis estadístico Stata. Como resultados se obtuvieron las predicciones para distintos períodos (corto, medio y largo plazo), así como la comparativa entre los métodos de clasificación.es
dc.description.abstractMobile gaming industry has grown vertiginously at present, and the companies of the sector dedicate a great effort to increase the retention of their users and the monetization. A fundamental aspect for decision making is the prediction of players who abandon and/or make payments within the games. The objective of this research is to predict dropouts (churn) and payments in a game of the company Genera Games. For this purpose, the process of Knowledge Discovery in Databases was carried out, from data extraction to pattern recognition. Binary classification methods Logistic Regression, Random Forests and Gradient Boosting were used. Computational processing was done using SQL, R, Python and the statistical analysis software Stata. As results were obtained the predictions for different periods (short, medium and long term), as well as the comparison between the classification methods.en
dc.language.isospaes
dc.publisherUniversidad Internacional de Andalucíaes
dc.relation.ispartofseriesMáster en Economía, Finanzas y Computaciónes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectVideojuegoses
dc.subjectMóvileses
dc.subjectClasificación binariaes
dc.subjectRegresión logísticaes
dc.subjectBosques aleatorioses
dc.subjectPotenciación del gradientees
dc.subjectGenera Gameses
dc.titlePredicción de abandonos y pagos en videojuegos Freemium para móvileses
dc.typemasterThesises
dc.rights.accessRightsopenAccesses


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional