http://www.inven.co.kr/webzine/news/?news=155475

온라인 게임에서 액티브 유저(Active Users)를 찾기위해 데이터마이닝 기법을 사용하였습니다.

이런 AU를 판단할 수 있으면 게임을 운영하는데 많은 도움이 될 수 있습니다.

예를 들어, 골수 유저를 붙잡기 위해 더 많은 혜택을 준다거나

금방 게임을 그만둘 것 같은 사람을 예측하여 타케팅된 서비스를 제공할 수도 있습니다.

유저 로그에서 플레이시간, 사냥횟수 등의 피쳐를 설정하고 K-Means 알고리즘으로 군집화 했다고 합니다.

K-Means는 비슷한 피쳐를 갖는 그룹으로 묶는 클러스터링 방법의 하나입니다.

하지만 클러스터링은 매번 로그를 분석하여 알고리즘을 돌려야 하기 때문에

랜덤 포레스트(Random Forest)로 유저 데이터를 입력하면 바로 분류를 할 수 있도록 자동화하였습니다.

랜덤 포레스트는 조금씩 다른 특성을 가진 결정 트리(Decision Tree)를 여러개 생성하고

입력이 들어오면 이 트리들의 예측 결과들을 합산하여 최종 출력을 생성합니다.

그래서 결정 트리 하나를 사용하는 것보다 성능이 더 뛰어납니다.