Análisis de modelos predictivos con machine learning para determinar la probabilidad de jugar a videojuegos

Abstract

El estudio del comportamiento de los jugadores de videojuegos es clave para comprender las preferencias y hábitos de consumo en esta creciente industria. Este trabajo se enfoca en analizar los perfiles de jugadores utilizando modelos estadísticos y técnicas de clasificación. El objetivo principal es identificar patrones relevantes y segmentar a los jugadores según variables sociodemográficas y de comportamiento. Para ello, se realizó una depuración de la base de datos, seguida de un análisis exploratorio mediante frecuencias y relaciones entre variables clave. Posteriormente, se aplicaron modelos como regresión logística binaria, Naive Bayes, árboles de clasificación y Random Forest. Los resultados muestran que ciertos factores, como seguir contenido de videojuegos en redes sociales, tienen una fuerte relación con jugar o no a los videojuegos. Además, el modelo de Bosques Aleatorios (Random Forest) destacó por su precisión del 88%, superando a otros enfoques. Estos hallazgos permiten una mejor comprensión del perfil de los jugadores y tienen aplicaciones potenciales en estrategias de marketing y diseño de videojuegos. Aunque este análisis ofrece una visión inicial sobre los jugadores de videojuegos, el tamaño reducido de la muestra limita la robustez de los hallazgos y su generalización a una población más amplia. Futuras investigaciones con muestras más grandes podrían confirmar estas tendencias.