回個文簡單分享一下個人見解好了 雖然很懶得改論文不過至少稍微做點動腦的事
文中提到的勝率分析基本上是黑客松的產物，看作者的部落格看起來重點更放在各種技術
的串接還有後續要做的即時串流分析，預測模型本身只是個雛形，也沒有時間做微調
文中有提到使用的模型是random forest而不是神經網路
當然也不是說一定得用神經網路才是好，很多時候簡單的模型就能得到好結果，訓練也快
不過看原始碼，除了決策樹的數量(22)之外也沒改其他參數了
至於為什麼那四個因子會這麼廢話，重點還是在輸入到底有哪些
原始碼裡面可以看到，模型的輸入有：
遊戲時間(ms)
雙方最低牌位
雙方最高牌位
雙方巴龍擊殺數
雙方小龍擊殺數
雙方推塔數
雙方金錢量
雙方擊殺數
雙方死亡數
雙方助攻數
雙方整隊等級
雙方CS數
這邊可以看到兩個重點
第一，資料幾乎都是以"整隊"為單位
擊殺數、金錢量、CS數甚至等級都是整隊加起來
而雖然原始資料有給兩邊英雄的ID，不過也沒餵進模型
所以只能看出來整體哪邊比較肥而已，看不出來肥的到底是寇格魔還是瑟雷西
第二，上述資料完全沒有前處理，就是餵進去而已
牌位對電腦來說就是不同字串，沒有誰比誰高的概念
雙方擊殺數和死亡數幾乎是重複的資料
而很多資料(金錢量、擊殺死亡推塔等)是相對的，必須互相比較才有意義
而這些數據也都和遊戲時間有關
但是很多預測模型，包含random forest，都不會去做這種比較
因此必須要自行做資料前處理
例如把雙方的金錢量相減，變成"雙方經濟差"再餵進去，絕對會比各自餵有用的多
因為這樣模型就可以根據這個差距有多大做預測
而不是像原始作法，模型很可能會變成看到"藍方經濟>50K"就猜藍方會贏
卻沒注意到紅方經濟70K了
除此之外，沒有把經濟量對遊戲時間做調整(變成金錢/時間)也會對模型有很不好的影響
我猜這就是這四個廢話因子裡面有兩個重複的東西(擊殺/死亡)，卻沒有經濟量的原因
而且只要猜哪隊贏的二元預測，正確率只有到75%，說實在也沒高到哪去
不過就像一開始說的，他們的project重點在短時間內搞出這麼多技術的串接
多花點時間做資料前處理和微調的話，預測結果一定能做得更好
而他們也在github上放了原始碼還有資料，有閒的鄉民可以自己fork下來試著調調看
感覺滿有趣的，我畢業完也會考慮來玩玩看
https://github.com/igwp/igwp
大概是這樣
※ 引述《turningright (Right)》之銘言：
: Reddit原串：https://redd.it/dcpli3
: 來源：https://reurl.cc/9zG0aO
: 擅長在《英雄聯盟》中抓出各種 Bug 的知名人物 Vandril 日前又抓到了一隻大蟲，當他
: 在測試伺服器玩阿福快打的時候，遊戲內的聊天室突然跳出一大串有著 DEBUG 字眼的字
: 串，而這些字串似乎有著一些不同凡響的意義。
: https://youtu.be/5DuLPpScQhs
: 這些字串顯示出的資料包含雙方隊伍的經濟量、經濟差距、賞金分析，甚至還會顯示出個
: 別英雄的弱點以及目前的勝率。
: Vandril 的 Bug 影片被轉載到 Reddit 之後獲得官方人員的回覆，名為 RiotBoatStuff
: 的 Rioter 承認他們確實在用機器學習來試著能否分析出勝率，透過輸入經濟差距、地圖
: 物件、隊伍組成等參數來訓練模型。
: https://i.imgur.com/gQ48Npa.png
: 不過其實早在 2016 年時就有類似的東西了，當時有人在 Riot 自辦的黑客松中以實時勝
: 率為主題製作了一個分析程式，以三萬場鑽石積分場作基底去餵機器，並得出了死亡數、
: 擊殺數、推塔數和擊殺的小龍數是影響勝利的四個重要因子。
: RiotBoatStuff 在轉貼文章底下也提到了推薦出裝的系統，目前仍有些英雄的資料仍未更
: 新到最新版，若可透過AI分析戰況來進行自動化的話應該會很棒，他也打趣的表示如果在
: 玩達瑞文時送掉首殺，系統有可能會誤推薦你買六水滴。