DOTA2 Plus大老師這么膩害！還不快來了解一下
2018-04-11 來源：網(wǎng)絡(luò)采編 編輯：阿修羅 分類：DOTA2
DAC主賽事VG對戰(zhàn)TNC的第三局，比賽進(jìn)行到45分鐘VG被破一路、經(jīng)濟(jì)落后近3W，在幾乎所有人都認(rèn)為91開、VG將輸?shù)舯荣惖臅r候，大老師卻堅信VG仍有五成勝率。最終VG成功翻盤，大老師一戰(zhàn)成名！
賽后水友們議論紛紛：難道大老師預(yù)言了瑞文同志的入黨？或者直接改寫了掉圣劍的劇本？大老師究竟有什么奇技淫巧？
�。▎栴}：大老師到底從哪里借了一雙慧眼，居然比打了10多年刀塔的知名玩家看得還準(zhǔn)？）——最適合回答這個問題的人應(yīng)該是大老師的作者，其次是機(jī)器學(xué)習(xí)大牛。但是真正的大牛都很忙，往往沒時間做科普。
那么，就由我這個初級數(shù)據(jù)分析師給大家簡單講一講吧。
實時預(yù)測dota2勝負(fù)有多難？
我發(fā)現(xiàn)很多朋友被“預(yù)測賊準(zhǔn)、從不失誤”的大老師嚇到了，甚至因此加深了對人工智能的恐懼。。。
對此我只想說：兄弟，你誤會了！
其實，這件事并沒有這么難，大數(shù)據(jù)老師仍然只是在弱人工智能的大框架下解決了一個不太復(fù)雜的問題。本質(zhì)上講，實時預(yù)測DOTA2勝負(fù)和機(jī)器學(xué)習(xí)經(jīng)典模式識別問題（比如垃圾郵件識別、圖像識別等）是一樣的（只是多了一個時間維度）。這類問題的數(shù)據(jù)源、特征和常用模型都不復(fù)雜：
1。數(shù)據(jù)：海量數(shù)據(jù)（每天百萬級別的DOTA2游戲局?jǐn)?shù)）
2。特征：特征豐富，容易提取和勝負(fù)相關(guān)的特征
3。模型：模型成熟，經(jīng)典的邏輯回歸或者隨機(jī)森就能取得很好效果
而DOTA2玩家熟知的更難的問題是：
[已解決]中路SOLO賽，AI吊打人類最強(qiáng)選手（模型復(fù)雜）
[未解決]AI預(yù)測TI8冠軍（數(shù)據(jù)樣本少，有效特征提取難）
所以，大家不要慌。等AI在5V5正式比賽中吊打最強(qiáng)人類隊伍，或者微軟再次跳出來預(yù)測TI8賽況非常準(zhǔn)確時，才是我們真正該恐懼的時候~
大老師具體是怎么做的
除非作者親自講解大老師的預(yù)測算法，否則我們無法確切知道底層實現(xiàn)細(xì)節(jié)。好在‘DOTA2勝負(fù)預(yù)測’這個問題已經(jīng)有不少人研究過，并公開發(fā)表了論文（你沒看錯，我們DOTA2就是這么屌）。下面我就以UCSD兩名刀友的論文‘DOTA2 Win Prediction’為例，給大家介紹一下大老師的具體做法。
和大老師主打的‘實時預(yù)測DOTA2勝負(fù)’不同，這篇論文是在比賽開始前（BP結(jié)束，陣容確定）和比賽結(jié)束后對勝負(fù)進(jìn)行預(yù)測。這兩個用邏輯回歸做的預(yù)測模型，都取得了非常出色的準(zhǔn)確率：
比賽開始前，僅根據(jù)雙方陣容預(yù)測勝負(fù)的準(zhǔn)確率是73.0%。
比賽結(jié)束后，根據(jù)雙方隊伍的GPM\XPM\KPM之差預(yù)測勝負(fù)的準(zhǔn)確率接近100%。（有水友就要問了，比賽都結(jié)束了，勝負(fù)已分還需要預(yù)測嗎？下個段落說）
我們先詳細(xì)介紹一下這兩個模型：‘看陣容，猜勝負(fù)’和‘看賽后統(tǒng)計，猜勝負(fù)’。然后再過渡、引申到大老師的‘看賽中實時數(shù)據(jù)，猜勝負(fù)’模型。
先說數(shù)據(jù)源
作者用V社提供的API收集了2015-11-20~2015-11-22的62000場游戲數(shù)據(jù)作為數(shù)據(jù)源，選取限定條件是：
游戲等級為“very high”，研究者認(rèn)為這些局里面的選手都是會玩的，避免了由于選手實力導(dǎo)致的數(shù)據(jù)偏差。（是的，你要是不努力提高自己的DOTA2水平，大老師都懶得看你的游戲。。。）
5V5正常模式，并且中途沒有人退出。
游戲時長大于10分鐘。
對每局游戲，收集以下信息：獲勝方、游戲時長、十名選手的賽后統(tǒng)計數(shù)據(jù)（GPM\XPM\Kills\Assists\Deaths）。正式分析之前，有必要了解一下數(shù)據(jù)源的基礎(chǔ)統(tǒng)計特征：6W局游戲平均時長30分53秒（標(biāo)準(zhǔn)差6分42秒），天輝勝率為56.5%。
看陣容，猜勝負(fù)
陣容對DOTA2比賽的影響非常大，BP階段彈幕討論也會異�；钴S。相信大家經(jīng)常看到彈幕大神根據(jù)陣容來預(yù)測比賽勝負(fù)：
這個小魚人拿的好蠢，被對面血克�。ǹ酥脐P(guān)系）
這個狗拿的不好，沒有車�。▍f(xié)同關(guān)系）
又選劍圣！不知道劍圣已經(jīng)不適合這個版本了嗎？（英雄在當(dāng)前版本的表現(xiàn)）
那么大老師是怎么做的呢？其實和彈幕大神也沒差太多，這個模型關(guān)注每局游戲的四個特征：
offset，衡量天輝相對于夜魘的優(yōu)勢，也就是無腦預(yù)測天輝獲勝也可以擁有56%的準(zhǔn)確率（高于擲硬幣的50%）
matchup，pick英雄的二進(jìn)制特征（上場為1，不上場為0，形成一個一維向量），衡量天輝夜魘各自陣容中每一個英雄的影響
synergy，衡量英雄協(xié)作關(guān)系
countering，衡量英雄克制關(guān)系
重點講兩個特征：synergy和countering。前者反映了英雄兩兩之間的協(xié)同作用，后者反映了雙方陣容的英雄克制關(guān)系。
先看英雄搭配。如下圖所以，雖然大部分英雄組合的勝率接近50%，但仍然存在大量的異常值：
好組合：[獸王，狼人]、[露娜，狼人]、[獸王，露娜]的組合勝率超過90%。
爛組合：[光法，小精靈]、[光法，小鹿]、[小鹿，小精靈]的組合勝率低于10%。
正是因為不同英雄組合的勝率存在比較明顯的差異，才可以使用synergy特征來預(yù)測勝負(fù)。（這些是2015年底的數(shù)據(jù)了，了解當(dāng)時DOTA2版本的朋友可以在留言中解讀一下這些異常值。）
英雄克制關(guān)系與協(xié)同關(guān)系的數(shù)據(jù)分布類似：大部分英雄間克制勝率是50%，但也存在許多強(qiáng)烈的克制關(guān)系，比如[狼人->小精靈]、[軍團(tuán)->米波]、[拉席克->毒狗]的克制勝率超過78%。
好了，對大多數(shù)水友來講，不需要再說更多的技術(shù)細(xì)節(jié)了。只需要知道這個方法的邏輯是：大數(shù)據(jù)老師，把幾萬場DOTA2游戲的陣容看了一遍，學(xué)習(xí)每一場游戲的特征，訓(xùn)練邏輯回歸模型，根據(jù)雙方陣容預(yù)測比賽勝負(fù)。模型的準(zhǔn)確度是73%。
不需要懷疑，這個準(zhǔn)確度肯定可以吊打玩了10年DOTA的你。畢竟大數(shù)據(jù)老師是見的多了，哪一場比賽它沒看過？哪一種陣容組合它沒分析過？相比之下，任何人類選手輸入的游戲信息量都不值一提，圖樣圖森破，上臺拿衣服。
但幸運的是，人類選手仍然可以創(chuàng)造新的陣容組合，上升空間并沒有被智子鎖死~
看賽后統(tǒng)計，猜勝負(fù)
這個模型的思想和‘看陣容，猜勝負(fù)’相似，只是選取的特征不同：
賽后雙方隊伍GPM之差（不用總經(jīng)濟(jì)，是為了排除比賽時間長短不同的影響）
賽后雙方隊伍XPM之差
賽后雙方隊伍KPM（每分鐘人頭）之差
這些指標(biāo)大家都非常熟悉了，為什么選這些指標(biāo)？道理也是顯而易見的：這些指標(biāo)和勝負(fù)的相關(guān)性特別高。以GPM為例，比賽結(jié)束時經(jīng)濟(jì)領(lǐng)先的一方，絕大多數(shù)都取得了勝利。6W場比賽中，一共只有500場比賽（不到1%）結(jié)束時，經(jīng)濟(jì)高的一方輸?shù)袅吮荣悺Ｋ�，哪怕僅用GPM這一個指標(biāo)來預(yù)測勝負(fù)，也已經(jīng)非常準(zhǔn)確了。
同時使用GPM+XPM+KPM三個特征預(yù)測時，準(zhǔn)確度基本達(dá)到100%，不需要更多了。
現(xiàn)在我們回答問題：比賽結(jié)束后，勝負(fù)已分，為什么還要進(jìn)行預(yù)測？因為方法是通用的！完全可以把這個方法照搬到VG打TNC的第三局的任意時間點！看兩個時間點：
37分鐘，VG經(jīng)驗落后2W7（整場比賽最大經(jīng)驗差），人頭比15：25（整場比賽最大人頭差），經(jīng)濟(jì)落后2w4。
此時大老師給出了VG整場比賽的最低預(yù)測勝率24%左右。
2。 45分鐘，VG經(jīng)濟(jì)落后2w8（整場比賽最大經(jīng)濟(jì)差），人頭比變成19：25（VG現(xiàn)在能殺人了），經(jīng)驗落后1W8（經(jīng)驗差在迅速縮�。罄蠋煱裋G的勝率提升到接近50%。
這下就清楚了！我們大多數(shù)玩家把影響游戲勝負(fù)的關(guān)鍵點限制在經(jīng)濟(jì)差、破路等因素上（玩不了啦，91開啦），而大老師則是綜合考慮了更多的關(guān)鍵指標(biāo)：GPM\XPM\KPM（甚至可能加上了每分鐘回復(fù)量、雙方護(hù)甲值\攻擊力\魔抗等等許多我們想得到或者想不到的特征）。
我們看比賽時很難獲得這些數(shù)據(jù)
當(dāng)然，PLUS會員提供的大數(shù)據(jù)老師，在處理時間維度的時候也可能采用了更加牛逼的模型（而不是簡單的把比賽按每分鐘抽樣用來訓(xùn)練）。但大老師的具體實現(xiàn)細(xì)節(jié)，我們就不得而知了。
不過寫到這里，相信科普的目的已經(jīng)達(dá)到，大家對大老師的手段應(yīng)該有了比較清晰的認(rèn)識。
總結(jié)一下，就是在兩隊水平差不多（比如LGD與VP？？）或是在平時天梯上的時候，大老師給出的大數(shù)據(jù)是非常值得信賴的。大老師這么牛逼，沒有包月的小伙伴是不是可以去包年了！
聲明：中國電競網(wǎng)（5asj.com）登載此文出于傳遞更多信息之目的，并不代表本站立場
