Algoritmi di classificazione nel Gioco d'Azzardo online

La tesi esplora l’uso degli algoritmi di Machine Learning nell'analisi dei dati relativi al gioco d’azzardo online. Il lavoro è strutturato in cinque capitoli principali: 1. Fondamenti di Probabilità e Gioco d’Azzardo: introdotto il concetto di probabilità, con una panoramica storica dalle origini fino alle moderne teorie matematiche. Successivamente, viene analizzato il gioco d’azzardo, dalle sue radici storiche fino alla sua evoluzione digitale. 2. Metodologia sull'Analisi dei Dati: utilizzo di un dataset di utenti di piattaforme di scommesse online, reperito da Kaggle, per analizzare le abitudini di gioco. I dati vengono processati e puliti utilizzando Python e diverse librerie per la Data Science. 3. Analisi Esplorativa dei Dati (EDA): applicate tecniche statistiche per identificare pattern nei comportamenti degli utenti. Attraverso grafici e metriche di correlazione, la tesi evidenzia come fattori demografici e abitudini di gioco influenzino le probabilità di vincita e la ricezione di bonus. 4. Algoritmi di Machine Learning: testati due modelli predittivi: Support Vector Machine (SVM) e Regressione Logistica. I modelli vengono addestrati per prevedere quali utenti abbiano maggiore probabilità di ricevere bonus, in base ai loro comportamenti di gioco. I risultati vengono confrontati tramite metriche di valutazione e il test T di Student. 5. Assegnazione dei Bonus Lo studio cerca di ottimizzare l’assegnazione dei bonus tramite modelli predittivi, analizzando il loro impatto sul comportamento dei giocatori.