游戏数据挖掘与玩家体验建模项目指南

1、一个建议的为期一学期的游戏数据挖掘项目：你必须选择一个包含玩家行为属性的数据集，对数据进行必要的预处理，如提取特征和选择特征。然后，你必须应用相关的无监督学习技术来压缩、分析或降低数据集的维度。基于无监督学习的结果，你需要实施一些合适的有监督学习技术，以学习预测一个数据属性（或一组属性）。

一个建议的为期一学期的游戏数据挖掘项目内容为：

• 需选取含玩家行为属性的数据集
• 对数据做必要预处理，如提取和选择特征
• 接着应用相关无监督学习技术对数据集进行压缩、分析或降维
• 最后依据无监督学习结果，实施合适的有监督学习技术来预测数据属性（或一组属性）

2、使用SteamSpy数据集，可通过应用程序编程接口（API）从数据集中包含的所有游戏中下载所有数据属性。若要进行监督学习，有哪些可能的应用场景，且关于建模任务和人工智能方法有怎样的规定？

利用SteamSpy数据集进行监督学习的两种可能应用

1. 根据游戏的评分、发布日期和标签等特征预测游戏价格等属性。
2. 构建新游戏的评分预测器，且建模任务和AI方法由读者自行选择。

3、作为玩家体验建模的学期项目，你选择一款游戏、一种或多种情感或认知状态进行建模（模型输出）以及一种或多种输入模式。你需要使用所选游戏收集实证数据，并基于所选输入模式为玩家的所选心理状态构建模型。

游戏与情感模型设定

• 游戏选择 ：可选择修改版的《无限马里奥兄弟》作为游戏基础
• 情感状态 ：模型输出涵盖以下情感状态
• 有趣
• 投入
• 挑战
• 沮丧
• 可预测性
• 焦虑
• 无聊

输入模式选择

输入模式可基于以下玩家行为指标：