https://github.com/estevesx10/eiacd-video-games

Video Games Dataset Analysis [Elements of AI & DS Course Project]
https://github.com/estevesx10/eiacd-video-games

decision-tree-classifier exploratory-data-analysis feature-engineering knn-classifier

Last synced: over 1 year ago
JSON representation

Video Games Dataset Analysis [Elements of AI & DS Course Project]

• Host: GitHub
• URL: https://github.com/estevesx10/eiacd-video-games
• Owner: EstevesX10
• License: mit
• Created: 2023-05-16T16:15:17.000Z (about 3 years ago)
• Default Branch: main
• Last Pushed: 2024-06-20T21:44:44.000Z (about 2 years ago)
• Last Synced: 2025-01-24T05:27:37.005Z (over 1 year ago)
• Topics: decision-tree-classifier, exploratory-data-analysis, feature-engineering, knn-classifier
• Language: Jupyter Notebook
• Homepage:
• Size: 13.2 MB
• Stars: 1
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          


    
EIACD | Video Games





    





    

        

    








    

        

    

    

        

    

    

        

    

    

         

    



## Formulação do Problema

Atualmente, dada a elevada **competitividade** na indústria dos **jogos eletrónicos**, torna-se importante, para uma empresa, **prever** o sucesso adjacente ao lançamento do seu produto no mercado. Um dos principais aspetos a ter em conta nesta previsão são as **reviews dos consumidores**. Deste modo, obtém-se o seguinte **problema de classificação**: 

>**


    Qual o user_rating do vídeo jogo?

    
**







    



## Pré-Requisitos

De forma a compilar e executar o programa são necessários vários pré-requiitos:

- **[Anaconda](https://www.anaconda.com/)** (Distribuição de Python e R)

- **[Bibliotecas Python](#bibliotecas-python)** (**[Pandas](https://pandas.pydata.org/pandas-docs/stable/getting_started/install.html)**, **[Numpy](https://numpy.org/install/)**, **[MatpltLib](https://matplotlib.org/stable/users/installing/index.html)**, **[Seaborn](https://seaborn.pydata.org/installing.html)** e **[Scikit-Learn](https://scikit-learn.org/stable/install.html)**)

### Bibliotecas Python

Assim, de forma a instalar as bibliotecas necessárias basta executar o **comando** no terminal **Anaconda**:

    pip install -r requirements.txt

## Compilação e Execução

De forma a compilar e executar o ficheiro, será necessário aceder à Anaconda Prompt e executar o comando:  

    jupyter notebook

Após a execução deste comando deverá copiar o **URL** (exemplo abaixo) e colar num separador web:

 



    



Desta forma, terá de aceder ao **diretório** onde o **ficheiro** está armazenado. Neste, deve selecioná-lo de forma abri-lo.

De seguida de forma a executar as várias **células** presentes no documento, poderá executar `Shift + Enter` com o intuito de corrê-las de **forma sequencial**. Analogamente, poderá recorrer aos múltiplos botões presentes na interface gráfica do **jupyter notebook** dado proporcionarem uma panóplia de ações sobre a manipulação do **fluxo de execução do programa**.



    






Caso esteja com **dificuldades**, verifique que possui todos os pré-requisitos mencionados **[anteriormente](#pré-requisitos)** e tente novamente. 

Por fim, se o problema persistir não hesite em **[contactar-nos](#considerações-finais)**.

## Resolução do Problema

De forma a dar resposta ao **Problema**, foi-nos fornecido um **dataset** com dados de cerca de 6000 video jogos. Partindo destes, foi-nos possível realizar tanto a sua **análise exploratória** como a respetiva **feature engineering**. 

Por fim, após esta manipulação e tratamento de dados, apenas resta criar um **modelo preditivo** capaz de classificar qualquer vídeo jogo e avaliar a sua **performance**.






    



# Considerações Finais

Se existir alguma **dificuldade** no download ou execução da aplicação não hesite em contactar-nos:

- **Via email**: 

    - [Gonçalo Esteves](https://github.com/EstevesX10) - `up202203947@up.pt`

    - [Nuno Gomes](https://github.com/NightF0x26) - `up202206195@up.pt`