스터디노트 5월 15일

샘플프로젝트 : 게임 어뷰즈 유저 이상 탐지하기

문제상황 시나리오 요약

: FPS 게임을 운영하는 도중 버그유저가 증가하고 있다. 게임 플레이 데이터를 활용하여 이러한 버그 의심 유저로 판단되는 유저를 찾고 페널티 정책을 수립하고자 한다.

데이터 보기

Column	Description
groupId	그룹ID
matchId	경기ID
assists	서포트횟수
boosts	부스트 아이템 사용횟수
damageDealt	총 입힌 데미지
DBNOs	적을 기절시킨 횟수
headshotKills	헤드샷킬수
heals	heal 아이템 사용횟수
killPlace	적을제압한위치
killPoints	적제압포인트
kills	적 제압횟수
killstraks	가장 많이 적 제압횟수
longestKill	멀리서 적 제압횟수
maxPlace	최악의배치넘버
numGroups	그룹넘버
revives	부활횟수
rideDistance	이동수단 타고 이동거리
roadKills	이동수단으로 적 제압횟수
swimDistance	수영한거리
teamKills	같은팀 제압횟수
vehicleDestroys	자동차 파괴횟수
walkDistance	도보이동거리
weaponsAcquired	무기 획득횟수
winPoints	승점
winPlacePerc	승률

Process 01 Data 전처리 및 EDA

Data 전처리

(1) Data shape 확인
(2) Data type 확인
(3) Null값 확인
(4) Outlier 확인

#(1)
print ('df: ', df.shape)
#(2)
df.info()
#(3)
print (df.isnull().sum())
df [ df ['winPlacePerc'].isna() ].head() ##Null값 존재 row 확인
df = df.dropna()
#(4)
df.describe()

Data EDA

#기본정보
for i in ['id', 'groupId', 'matchId']:
	print (f'unique [{i}] count:', df[i].nunique()

#boxplot 통한 kills수와 승률 관계정보 확인
kills = df.copy()
kills['killsCategories'] = pd.cut ( kills['kills'], [-1,0,2,5,10,60], labels=['0_kills', '1-2_kills', '3-5_kills', '6-10_kills', '10+_kills'])
plt.figure (figsize=(15,8))
sns.boxplot (x='killsCategories', y='winPlacePerc', data=kills)
plt.show()

#joint plot 통한 val1, val2 관계 확인
sns.jointplot (x='winPlacePerc', y='headshotKills', data=df, height=10, ratio=3)
plt.show()

Process 02 이상 데이터 정의

• 가설을 수립하고, 데이터로 검증
  - Automated aiming
  total distance v.s. headshotkill ratio
  • Inhuman kills
    number of heals usage v.s. number of kills
  • 100% Headshot kills
    headshotkill ratio v.s. kill ratio
  • Anomalies in heals
    number of heals usage
  • Without moving & weapons acquired
    total distance v.s. number of weapons acquired

  Process 03 이상 탐지 모델링

• 가설에 대한 모델링
  - Automated aiming
  total distance <= distance quantile(0.1) v.s. headshotkill ratio >= 0.8
  • Inhuman kills
    heals usage quantile(0.1) v.s. kills over 6 sigma
  • 100% Headshot kills
    headshotkill ratio v.s. kill ratio over 6 sigma
  • Anomalies in heals
    number of heals usage over average
  • Without moving & weapons acquired
    mimimal total distance v.s. number of weapons acquired over average
• 실제 현업에서 데이터로 분석을 하게되면 데이터 엔지니어와 소통하면서 데이터가 나타내는 상황에 대해 더 잘 이해할 수 있을 것 같다. 데이터로 할 수 있는 분석 방식을 배울 수 있었고 다른 장르의 게임에도 적용해보고 싶다.
  

_이 글은 제로베이스 데이터 분석 취업 스쿨의 강의 자료 일부를 발췌하여 작성되었습니다._